无端点检测汉语识别算法的实现及改进——动态时间规整和隐马尔可夫统一模型的应用

语音识别算法中，动态时间规整（ＤＴＷ）和隐马尔可夫模型（ＨＭＭ）是最有效的识别算法，并且两者之间有着本质的联系和内在的统一［１］，据此前期工作中，已经建立了ＤＴＷ和ＨＭＭ的统一模型（ＤＨＵＭ）［２、３］。本文对ＤＨＵＭ进行了改进，在ＤＨＵＭ中引进寂静段自环，并根据汉语语音的特点，提出了一种无端点检测的语音识别算法。在识别过程中，该算法无需确定语音信号起止点位置，而是从寂静段开始，直接按帧提取特征（帧长２０ｍｓ，帧间重叠５０％），特征向量由１５阶倒谱系数和帧平均能量组成。实验中，用ＤＨＵＭ实现了该算法，对９９个相似汉语单字的识别测试结果表明：无端点检测的识别正识率为９４．９５％，正识率下降很少，但不作端点检测却降低了算法的复杂程度。为进一步改善识别性能，特征向量采用一种听觉模型特征，识别器具有更好的鲁棒性，识别率会略有提高。     

语音帧间相关信息对基于HMM系统识别精度的影响

本文探讨经短时信号处理后的语音信号帧间相关信息对基于隐马尔可夫模型（ＨＭＭ）的语音识别系统识虽精度的影响，鉴于ＨＭＭ的输出独立假设导致语音帧间相关信息的损失，本文提出了一种描述帧间相关信息的统计模型－马尔可夫链（ＭＣＭ）用来弥补ＨＭＭ在这方面的缺陷；经非特定人和多话者孤立字实验表明，用ＭＣＭ作为ＨＭＭ的辅助模型，可将原有ＨＭＭ系统的识别率提高约１～６个百分点。     

基于HTK的连续汉语数码语音输入系统研究

HTK是英国剑桥大学开发的一套基于C语言的语音处理工具箱,广泛应用于语音识别、语音合成以及字符识别等领域。文章在详细介绍了语音识别的过程、原理及相关概念的基础之上,介绍了HTK的基本原理和软件结构,以及使用HTK完成语音识别任务的整个过程。最后,讨论声学单元等一系列的模型参数的选择,使用HTK搭建一个简单连续汉语语音输入系统。     

图像隐写算法评估体系的解释结构模型研究

隐写算法的评估是以隐写系统安全性角度出发,总结出了抗检测性、鲁棒性、抗容量探测性等多个性能指标,构建了评估指标集.并采用解释结构模型法对评估指标体系进行分析。重点讨论了方法的应用和结果的分析,给出了对图像隐写算法评估体系建立和分析的思路与方法。     

基于动态时间规整的手势加速度信号识别

为了提高基于加速度传感器的动态手势识别算法的性能,本文采用了动态时间规整(DTW)识别算法。通过该算法计算测试模板和参考模板的相似度,从而得出识别结果。为了验证该方法,建立了一套手势加速度无线采集系统,并采集了41个志愿者的手势信息。实验结果表明,该方法手势平均识别率在97%以上。与HMM识别算法相比,DTW识别算法在识别的准确率上比HMM识别算法更具优势。     

基于物理模型的三维火焰实时渲染

火焰等无规则物体的模拟近年来成为计算机图形学中的一个研究热点。传统的基于粒子和纹理技术生成的火焰,并不能真实地反映物体的运动过程,生成的火焰效果图具有随机和生硬的特点。为了解决火焰模拟过程中难以实现的实时性和真实感的问题,文中采用一种基于物理模型的火焰实时渲染方法,应用有限差分法求解Navier-Stokes方程,采用半拉格朗日法求解平流项,扩散方程则利用隐式迭代方法进行求解,利用GPU强大的并行计算能力对求解过程进行加速,利用光线投射算法对火焰进行渲染,最后生成了逼真的火焰图像。实验结果表明该方法实现简单,渲染速度快,显示的效果真实。     

基于HMM藏文词性标注的研究与实现

藏语词性标注技术在藏文信息处理领域中占有十分重要的地位,本文主要对基于hmm的藏语词性标注技术进行了研究,所实现的词性标注系统主要通过隐马尔科夫模型对训练语料库进行数据统计,获取词性和词汇概率信息,并采用Viterbi算法进行标注。     

网页兴趣度度量方法及其在兴趣模型中的应用研究

根据用户以往网页浏览的隐式反馈信息来推断用户兴趣,给用户推荐感兴趣的网页内容,提出了网页兴趣度度量方法及其在兴趣模型中的应用。根据用户浏览网页时的停留时间和浏览行为,通过量化的兴趣度度量算法评估出用户对网页内容的感兴趣程度,从而建立起用户兴趣模型;在用户浏览网页的过程中,动态地更新用户兴趣;最终根据归纳出的用户兴趣向用户推荐文章。实验证明提出的网页兴趣度度量方法和对应的兴趣模型是可行的。