基于TTS的中英文语音软件设计与实现

本文提出了一种基于TTS语音合成技术,利用Microsoft Speech SDK语音开发包、TTS引擎,采用VB平台开发了一个中英文语音软件,实现了从文本文件到语音并能把文本文件保存为语音文件的功能。     

一种改进的连续语音特征提取算法

本文介绍了连续语音识别中噪音鲁棒性方法的现状,分析传统动态范围调整方法在连续语音识别中导致的特征曲线中的峰值不匹配问题,提出了新的特征曲线调整算法,并为算法的参数设定增加了限制条件。本文详细地论述了算法的步骤以及算法中参数的确定。通过理论分析和实验验证,证明了提出的算法在连续语音特征调整中具有很好的性能,提高了识别精度。     

基于复合磁性槽楔的PMLSM推力波动抑制

永磁直线同步电机(permanent magnet linear synchronous motor,PMLSM)存在齿槽力,影响电机的控制性能。 本文提出一 种基于软磁、硬磁材料混搭的新型复合磁性槽楔结构(composite magnetic slot wedge,CMSW),能有效抑制 PMLSM 推力波动。 首 先,分析了单一磁性槽楔的材料、尺寸和空间位置分布对 PMLSM 输出推力和推力波动的变化规律。 然后,研究新型复合磁性 槽楔的软磁、硬磁材料配比和位置分布,对电机输出推力、推力波动和齿槽力等电磁性能的影响。 以最大推力和推力波动最小 为优化目标,利用正交优化法对复合磁性槽楔的尺寸进行优化。 研究表明,采用新型复合磁性槽楔可有效降低推力波动和损 耗,推力波动降低 79. 4%,而平均推力基本不变,为 PMLSM 推力波动抑制提供新的技术途径。     

弧焊逆变电源的输入性能分析与滤波电路参数优化

传统的逆变焊接电源对电网来说，本质上是一个带大电容的整流角载，其输入电流是一种尖角波，含有丰富的谐波分量。弧焊逆变电源的功率因数是畸变因子和位移因子的乘积，畸变因子表征了谐波畸变对功率因数的影响。为提高逆变电源的功率因数，必须采用谐波抑制技术降低输入电流的谐波畸变步。在弧焊逆变电源中采用LDC滤波电路，可以降低直流线上的电压纹波。通过优化参数设置，可以使弧焊逆变电源的功率因数提高到95%，电流谐波畸变率低到30%     

一种高效2.45 GHz低输入功率微带整流电路

提出了一种高效的2.45 GHz低输入功率微带整流电路,它可以有效地吸收低输入射频能量。该整流电路主要由一个倍压二极管BAT15-04W、开路枝节匹配电路和谐波抑制电路组成。所用的倍压二极管BAT15-04W是一个适用于低输入功率能量收集的低功耗肖特基贴片二极管。开路枝节匹配电路用于将整流电路匹配到50Ω。谐波抑制电路则是用于转换效率的优化设计。实测结果显示在直流负载为5 kΩ、输入功率为5 d Bm的情况下,该整流电路的RF-DC整流效率可达75.3%,所得到的直流电压超过3.45 V。     

自适应滤波语音增强算法改进及其DSP实现

为提高强噪声环境下语音信号的信噪比,增强语音通信的质量,以DSP为平台,构建一个基于自适应滤波技术的单通道语音增强系统。该系统以TMS320F2812为核心,结合其多通道缓冲串口(McBSP)与扩展音频接口芯片TLV320AIC23实现了语音信号的高速采集及输出;同时,利用箕舌线函数更新自适应滤波步长因子并引入解相关运算进行语音降噪处理,有效改善了传统算法适应性差,收敛速度慢,稳态误差大等问题。实验结果表明该算法降噪性能好,能明显提高语音清晰度,且系统稳定性强。     

结合阴影抑制的混合高斯模型改进算法

混合高斯模型背景法作为运动目标检测的一种经典方法,已经广泛应用于智能视频监控系统中。但是,传统的混合高斯模型背景法容易将阴影误检测为运动目标的一部分。因此,针对该方法在区分阴影和运动目标方面的不足,提出了一种将混合高斯模型背景法和HSV空间阴影抑制相结合的运动目标检测算法。这种改进算法首先将颜色空间转换到HSV空间,初步提取运动目标,然后再利用阴影的灰度值比背景中的灰度值小,而前景的灰度值比背景中灰度值大的特性,检测出运动目标中的阴影。实验结果表明,这种改进的算法明显提高了检测效果,有效抑制了阴影对运动目标检测的干扰,算法实时性也较好。     

Fuzzy decision fusion of complementary experts based on evolutionary cepstral coefficients for phoneme recognition

Optimal representation of acoustic features is an ongoing challenge in automatic speech recognition research. As an initial step toward this purpose, optimization of filterbanks for the cepstral coefficient using evolutionary optimization methods is proposed in some approaches. However, the large number of optimization parameters required by a filterbank makes it difficult to guarantee that an individual optimized filterbank can provide the best representation for phoneme classification. Moreover, in many cases, a number of potential solutions are obtained. Each solution presents discrimination between specific groups of phonemes. In other words, each filterbank has its own particular advantage. Therefore, the aggregation of the discriminative information provided by filterbanks is demanding challenging task. In this study, the optimization of a number of complementary filterbanks is considered to provide a different representation of speech signals for phoneme classification using the hidden Markov model (HMM). Fuzzy information fusion is used to aggregate the decisions provided by HMMs. Fuzzy theory can effectively handle the uncertainties of classifiers trained with different representations of speech data. In this study, the output of the HMM classifiers of each expert is fused using a fuzzy decision fusion scheme. The decision fusion employed a global and local confidence measurement to formulate the reliability of each classifier based on both the global and local context when making overall decisions. Experiments were conducted based on clean and noisy phonetic samples. The proposed method outperformed conventional Mel frequency cepstral coefficients under both conditions in terms of overall phoneme classification accuracy. The fuzzy fusion scheme was shown to be capable of the aggregation of complementary information provided by each filterbank.     

说话人认证录音回放检测方法综述

基于生物特征的身份认证已得到学术界及企业的高度重视,指纹、人脸识别应用已非常普遍,但对于非现场身份认证,语音相对其他生物特征,具有用户接受程度高、拾音设备简单、随时随地可用、数据量小、计算复杂度低等优势,因此基于声纹的身份认证系统应用越来越广泛。另一方面,由于录音回放攻击简单易行,不需要任何专业知识,且随着廉价、高质量的录音/播放装置的日益增多,回放录音与原始音的相似度越来越高,已成为声纹认证系统最主要的攻击手段之一,因此如何识别录音回放等攻击成为说话人认证系统必须面对的问题。本文对录音回放检测方法进入了全面的介绍,通过对各种方法的分析,表明其研究尚处于起步阶段,但需求日益旺盛。     

人机交互中的声源定位与增强方法

基于人机交互的实际应用场景,提出了一种交互目标声源三维定位与语音增强算法。该算法首先在广义相关法的基础上提出一种声达时延差的估计方法,通过由6个麦克风构成的平行均匀线阵接收模型,实现对目标声源的三维定位;然后在交互目标声源定位的基础上,通过调整时延波束叠加的权值,实现对目标语音的增强。仿真实验结果表明,文中提出的算法能够准确定位目标声源并对目标语音进行有效增强。在信噪比大于1.5 dB 的环境中,该算法可使目标声源达到98%以上定位精度,5 dB 以上信噪比改善,同时算法运算量小且易于硬件实现。