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。     

基于生理舌头模型的语音可视化系统

目的 目前针对舌头的语音同步动画技术还未得到广泛的研究。在此背景下,提出了一种基于生理模型的舌头动画合成方法。方法 首先构建了一个精细的、能够在肌肉激励下产生逼真舌头变形的舌头生理模型;其次利用该舌头模型合成了大量的舌头运动样本,并据此通过学习得到一个从肌肉激励到舌头轮廓的转换模型;然后对采集的动态2维舌头轮廓数据进行运动参数估计以得到与音素对应的体素(肌肉激励序列和刚体位移序列);最后将体素按一定的排列方式输入到舌头生理模型进行仿真以生成相应的舌头动画。结果 该系统可以合成听觉效果逼真的语音和视觉效果逼真且与合成语音同步的舌头动画。结论 本文方法可以根据汉语普通话或其他语言的2维舌头轮廓数据构建音素—体素数据库,并据此合成该语言对应的高真实感的3维舌头动画。     

基于改进DTW的机器人语音指令识别系统研究

动态时间规整(Dynamic Time Warping)是语音识别中的一种经典算法,该算法简单有效,在实现孤立词识别系统中得到了广泛的应用.为了提高机器人语音识别系统的识别率和识别速度,文中采用了一种改进的DTW语音识别算法.在MATLAB 7.0环境下,对改进的语音端点检测和改进的DTW算法进行仿真实验,实验证明改进的算法提高了识别率,并且减少了识别所用的时间;将该算法移植到机器人上,在安静的环境下进行试验,结果表明机器人能准确而又快速地识别语音内容.最后,得到了改进的语音识别算法能够有效提高识别率和识别速度的结论.     

基于特征参数归一化的鲁棒语音识别方法综述

目前,自动语音识别系统往往会因为环境中复杂因素的影响,造成训练环境和测试环境存在不匹配现象,使得识别系统性能大幅度下降,极大地限制了语音识别技术的应用范围。近年来,很多鲁棒语音识别技术成功地被提出,这些技术的目标都是相同的,主要是提高系统的鲁棒性,进而提高识别率。其中,基于特征的归一化技术简单而有效,常常被作为鲁棒语音识别的首选方法,它主要是通过对特征向量的统计属性、累积密度函数或功率谱的归一化来补偿环境不匹配产生的影响。该文主要对目前主流的归一化方法进行介绍,其中包括倒谱矩归一化方法、直方图均衡化方法以及调频谱归一化方法等。     

基于ARM的智能机器人语音控制应用研究

智能机器人作为机器人的研究热点,为机器人的交互提供一种方便有效的接口很重要。语音交互是一种最熟悉最自然的交互方式。在我们的个人计算机上具有丰富的软硬件资源易于语音识别技术的实现,但这也会限制了机器人的应用场合。而基于ARM的嵌入式语音识别系统可以嵌入到机器人对象内部,更适合机器人的应用需求。本文详细介绍了语音识别技术的原理,嵌入式语音识别技术的实现,机器人的语音控制技术,实验结果表明采用该方法实现机器人的语音控制可以达到方便,有效的控制效果。     

浅谈连续语音识别中的关键技术

连续语音识别系统的出现,更进一步的推动了连续语音识别的研究及应用,但识别技术的成熟也同时推动了更高层次的语音理解技术的研究。文章分别对连续语音识别中可能出现的关联词技术、关键词技术、顽健性技术、自适应性技术及搜索策略给予了介绍。     

基于普适计算的交互汉语学习系统

普适计算是一种正在兴起的新型的计算模式,其“无处不在,以人为本”的理念使得普适计算在许多领域的应用中都有着巨大的潜力。本文综合应用语音识别、声调识别、软交换、文语转换、语音邮件等多种技术,使用以人为中心的普适计算系统模型（HPC）和分层结构分析与设计方法（LAAD）,设计并实现了一个基于普适计算的交互汉语学习系统,该系统能够计算出汉语学习者发音的准确度和声调的准确度,并通过普适服务平台提供实时交互、学习情况自动收集等普适服务,为学习者建立起了一个良好的汉语学习环境,帮助他们高效、便捷地学习汉语。     

MATLAB在数字语音分析中的应用

在数字语音信号分析中使用MATLAB可以简化程序编写和实验构建的过程,文章重点研究了MATLAB语言应用于数字语音信号分析的优越性,分析了MATLAB的语言功能,并对基于MATLAB的语音时域分析、频域分析、时频分析的结合进行了应用分析。     

普通话测试语音信息库的设计与实现

每年的国家普通话测试,都留下普通话测试的相关信息。为了有效利用这些信息,建立了普通话测试语音信息库,实现了信息录入、信息查询、数据统计、权限管理等多种功能。为了实现最小到音节的录音语料查询,信息库利用HTK进行音频文件的自动切分处理。普通话测试语音信息库可方便地用于包括测试录音语料在内的各种资料的调用和各种关联数据的统计。     

文本分类中基于概率主题模型的噪声处理方法

训练集中文本质量的好坏直接决定着文本分类的结果。实际应用中训练集的构建不可避免地会产生噪声样本,从而影响文本分类方法的实际应用效果。为此,针对文本分类中的噪声问题,本文提出一种基于概率主题模型的噪声处理方法,首先对训练集中的每个样本计算其类别熵,根据类别熵对噪声样本进行过滤;然后利用主题模型进行数据平滑,进一步减弱噪声样本的影响。这种方法不但能够减弱噪声样本对分类结果的影响,同时还保持了训练集的原有规模。在真实数据上的实验表明,该方法对噪声样本的分布具有较好的鲁棒性,在噪声比例较大的情况下仍能保持较好的分类结果。