GMD-SDDBHMM语音识别模型和分类训练方法

本文将混合高斯分布应用于一种非齐次隐含马尔可夫模型——简化的基于段长分布的隐含马尔可夫模型。新模型使语音识别率得到了改善。由于通常的模型训练方法训练时间太长，本文提出了一种分类训练方法，在不降低最终模型性能的前提下，使训练可以分布式完成。     

协调EDTA洗炉工艺的改进及应用成效

锅护受热面上存留锈垢等沉积物，将给机组的安全经济运行带来危害。因此，基建锅炉或运行一定时间后的锅炉应进行化学清洗。这里介绍协调EDTA洗护工艺及其改进内容和应用成效。     

数字摄像机自动聚焦机械噪声消除方法研究

数字摄像机的摄像头在缩放时产生较大声噪,回放时主观听觉十分明显,因此需要研究一种高质量语音降噪算法,用于消除机械声噪,同时避免产生语音畸变。通过分析传声器阵列及带噪声源的数学模型,构建了一套基于传声器阵列的语音降噪系统,针对机械噪声的统计特性,利用最小方差无畸变响应波束形成法对非注视方向的噪声进行滤波,采用子带后处理法进一步降噪。该算法在保证稳定性的前提下降低了语音降噪处理的复杂度并提高信噪比;提出一种新的单通道维纳滤波函数,降低了信号低频部分的畸变。实验语音数据均在普通会议室采集,新的增强算法增益为16dB,主观听觉可懂度较好。实验结果证明,该系统可作为理想的语音降噪设备应用于摄像机录制过程中。     

语音识别/说话人识别中的高效算法

通过对硬件平台特点的研究,采用了多帧同步搜索算法、马氏距离并行内积化和并行指令集的技术对语音识别和说话人识别进行了优化,识别速度提高了3倍。在P41．4GHz的机器上,可以同时完成120路的说话人识别任务。     

一种联合语种识别的新型大词汇量连续语音识别算法

提出了一种联合语种识别的新型大词汇量连续语音识别(Large vocabulary continuous speech recognition, LVCSR)算法,并构建了实时处理系统. 该算法能够充分利用语音解码过程中收集的音素识别假设,在识别语音内容的同时识别语种类别.该系统可以应用于多语种环境,不仅可以以更小的系统整体计算开销替代独立的语种识别模块,更能有效应对在同一段语音中混有非目标语种的情况,极大地减少由非目标语种引入的无意义识别错误,避免错误积累对后续识别过程的误导.为将语音内容识别和语种识别紧密整合在一个统一语音识别解码过程中,本文提出了三种不同的算法对解码产生的音素格结构进行调整(重构):一方面去除语音识别中由发音字典和语言模型引入的特定目标语种偏置,另一方面在音素格中包含更加丰富的音素识别假设.实验证明, 音素格重构算法可有效提高联合识别中语种识别的精度.在汉语为目标语种、汉英混杂的电话对话语音库上测试表明,本文提出的联合识别算法将集外语种引起的无意义识别错误减少了91.76%,纯汉字识别错误率为54.98%.     

新型多模态人性化语音交互系统

面向服务机器人的语音交互需求,研究了一种新型的多模态人性化语音交互系统。该系统采用了连续语音流的关键词检测技术、说话人识别技术、基于传声器阵列语音定位技术和对话管理技术,能进行和谐的人机语音交互。多模态人性化语音交互系统通过这些技术综合利用使系统能知道“谁”在什么“时候”什么“地点”发出什么“指令”。基于人性化语音交互系统,机器人根据语音知道特定服务对象的需求,提供特定服务。     

基于核函数的IVEC-SVM说话人识别系统研究

在说话人识别研究中,基于身份认证向量（Identity vector,IVEC）的说话人建模方法可以有效地提取说话人信息,是目前处于国际前沿的建模方法.本文对身份认证向量后接支持向量机（Identity vector followed by support vector machine,IVEC-SVM） 的说话人识别系统进行了研究,对比了该系统在十种不同核函数下的识别性能,并与文献中身份认证向量后接余弦距离打分（Identity vector followed by cosine distance scoring,IVEC-CDS）系统进行了比较. 在美国国家标准技术局（American National Institute of Standards and Technology,NIST）组织的2010年电话信道——电话信道说话人识别核心评测数据库上的实验结果显示,基于核函数的IVEC-SVM系统性能明显优于IVEC-CDS的系统性能.此外,实验结果表明基于Spline核的IVEC-SVM系统可取得最好的识别性能,与IVEC-CDS系统相比,其等错点（Equal error rate,EER）在分数归一化前后分别降低了10%和3%.     

一种改进的线性区分分析方法及其在汉语数码语音识别上的应用

尽管汉语数码语音识别只涉及十个数字,但由于不同数字的发音存在相同或相似的声母或韵母,造成汉语数码语音之间的混淆性很大.采用通常的隐含马尔科夫模型(HMM)作为汉语数码语音识别模型难以得到很高的识别率.为了解决汉语数码之间的混淆问题,提高汉语数码语音识别性能,本文在隐含马尔科夫模型的状态层次上采用线性区分分析方法,将不同状态之间容易混淆的特征样本构成混淆模式类,针对混淆模式类进行线性区分分析.通过线性区分变换,在变换特征空间中仅保留那些能够有效区分该混淆类别的特征参数.这种基于状态的线性区分分析有效地提高了模型对混淆数码的区分能力.实验表明即使采用状态数很少的粗糙识别模型,也能很大幅度提高模型的识别性能;经过线性区分变换优化后的汉语数码识别模型,孤立汉语数码语音识别率可以达到99.32%.     

子带仿射投影及子带双端检测算法的回声消除系统

文中提出了一种新的多相位子带自适应回声消除系统。在子带内进行自适应滤波对建模长度比较长的脉冲响应特别有效,同时由于仿射投影算法具有预白化的作用,它同样也具有改善滤波器收敛性能的功能。该系统集中了多相子带自适应滤波和仿射投影算法的优点,结合了子带内的双端检测算法,使得系统在临界采样的情况下能进行稳定有效的工作。实验表明：该系统对于语音信号和强相关信号都表现出了良好的性能。     

声源定位中的时延估计方法研究

时延估计是传声器阵列信号处理中的一项关键技术,其目的是估计出同源信号到达不同传声器时,由于传输距离不同而引起的时间差。首先对常用的多种基于时延估计算法进行了论述,并对具有代表性的3种TDE方法进行了仿真,通过综合比较揭示了各自的优缺点,最后给出了进一步的研究方向。