第四讲语音信号处理的现状和展望

文章简要介绍了“语音信号处理”这一分支学科形成和发展的历史过程．指出了它在现代信息科学技术中的地位和作用．介绍了语音信号处理在应用领域的一些重要课题，如语音的低速率编码，语音的规则合成和文一语转换系统，语音识别和人一机语音对话等，这些仍然是当前研究的热点．文章最后展望了语音信号处理的发展前景，指出在这个领域还有很多难题等待人们去研究探索．     

汉语多功能语音合成器

本文介绍了一种实用的汉语语音合成系统，本系统采用线性预测方法对语音信号进行分析与合成，并对码本进行矢量量化，码率压缩到1200bit／s，大幅度降低了语音的存储能量，合成出的语音仍具有较高的清晰度．这种以数字信号处理专用芯片TMS320C10为处理器的便携式语音合成器，合成语音数量大，成本低，功耗较小，既可联机使用，也可用电池供电，自成系统．实际应用证明，汉语多功能语音合成器实用性强，用途广泛，适于推广．     

语音编码技术及其硬件实现

压缩编码技术是无线语音通信的关键技术之一。介绍了语音编码技术的基本概念及分类,并选用AMBE多带激励压缩编码算法,通过单片机控制专用语音压缩DSP芯片,提出了一种适合低速无线语音、数据实时通信的系统解决方案,完成了硬件、软件设计,实现了低速率下的语音、数据的同步大气传输。测试结果显示,在语音编码速率为2．4kbps以下时,仍然可以得到音质较好的语音输出。     

一种利用多带激励模型改进的低速率线性预测语音编码算法

提出了一种利用多带激励（ＭＢＥ）模型改进的低速率线性预测（ＬＰＣ）语音编码算法．文中介绍了该算法的参数提取、量化编码及语音合成的具体方案,并用Ｃ语言构造了一个基于该算法的速率为１,６ ｋｂ／ｓ的语音编码／解码系统．主观测听表明,该系统性能与 ２．４ ｋｂ／ｓ的 ＭＥＬＰ算法接近或相当。     

汉语语音资料库的语音学标记及人工切分

介绍了汉语语音综合资料库的一个子库：CAS－SYL。该数据库包括汉语全部有调音节1267个,共计10个发音人;全部语音数据由人工完成音段切分及语音学标注。针对汉语音节的声韵结构,语音学标注水平被定位在半音节层次上．语音学标注符号系统采用了计算机可读的音标符号系统一汉语SAMPA－X（extendedSAMPhoneticAlphabet）．还介绍了语音学标注策略,音段定位原则,基于语音波形的声门关闭时刻：GCI（GlottalClosedInstant）的声学线索。同时对声韵间的协同发音的声学体现进行了总结。最后对人工切分带来的非稳定性进行了分析．     

第十讲数字信号处理与数字信号处理器(DSP)

文章简要介绍了“数字信号处理”与“数字信号处理器（DSP）”的发展历史．在数字信号处理的应用中，实时实现是非常重要的，而DSP在实时处理中，扮演了一个重要的角色．文章中还介绍了DSP在实际应用中的一些关键技术，例如DSP的种类和选型，DSP的开发工具，实时软件的开发过程等．最后，还介绍了一些DSP的应用实例，如语音编码器，视频电话和视频会议系统，用于雷达和声纳的DSP并行处理系统     

基于差分相位相关收敛准则的迭代语音信号分离

将一种新颖的迭代算法用于消除语音信号中非目标话者的语音干扰。一个简单的双传声器系统被用来采集混合语音,形成迭代维纳滤波器的主通道信号和参考信号。算法的关键在于提出差分相位相关准则（ＤＰＣＦ）控制造代过程的收敛,并根据话者状态多类判决实时更新滤波器以自动适应声学环境．实验表明,迭代算法不断的消除主通道中的干扰话音直到准则函数判断收敛．客观语音评价和非正式的试听评价表明系统在达到收敛的同时,目标语音也达到最佳的语音质量,清晰度令人满意。     

正弦式语音分析/合成系统的计算机实现和初步评价

正弦语音模型是一种新的语音信号处理模型。为考察这一模型的效果,我们在微机上实现了一个基于该模型的语音分析/合成系统。本文介绍该系统的基本原理,并通过比较输入、输出系统的语音波形形状及对音节/sα/的非正式辨听,对这种分析/合成方法进行非正式评价。结果表明,该方法失真较小。     

建立在卡尔曼滤波基础上的语音增强方法

本文用动态系统的一种滤波方法──卡尔曼滤波对受附加噪声污染的语音信号进行增强处理的工作．所处理的附加噪声有宽带白噪声和有色噪声，且带噪语音信号是低估噪比的、无参考噪声源的．经增强处理后，语音信号的信噪比大约有７—１０ｄＢ的提高．     

语音识别的二值化时频图型模糊匹配法

将模糊逻辑应用于语音识别系统，具有减少数据量和计算量，提高语音识别率的优点．本文阐述了二值化时频图型模糊匹配法（BTSP）的原理，并对它目前的一些应用产品作了简单介绍．     

基于过零点间时间间隔对P，T，K，Z，ZH，H等六个声母的识别

语音波形过零率是一个很重要的语音特征．它通常是语音端点判别和音素粗分类的基本要素．但是，它也有不稳定的一面，所以很少看到有人将它用到语音细分类和识别中．本文提出了把一串过零点间时间间隔作为辨认普通话声母的语音特征的方法．本文做了以过零点间时间间隔作为ＨＭＭ的输入符号，对送气塞音类声母Ｐ、Ｔ、Ｋ，不送气塞擦音Ｚ、ＺＨ和喉擦音Ｈ等六个声母进行辨认实验．在连机的环境下，我们取得７８％的声母正确辨认率．以过零点间时间间隔作为语音特征的优点是计算简单，易于实现．此外，它可以不经转换直接作为离散ＨＭＭ的输入符号．本文介绍过零点间时间间隔的计算方法和使用ＨＭＭ对上述六个声母进行识别的实验过程．     

基于半波差分谱的语音信号音节切分

根据听觉感知系统对于动态语音特征的响应特点,提出了半波差分港的概念,在此基础上提出了一种简便的音节切分算法,可以将存在大量协同发音现象的连续语音切分成一个个音节。在连续语音上的切分实验结果说明这种切分算法是准确而可靠的．     

在微机上实现的语音报时系统

本文介绍了在微计算机Cromemco System Ⅲ上模拟电话授时台的方法及实验结果.其特点是通过语音编码压缩数据量,并利用微计算机的内部时钟,在微计算机上做到实时语音输出.实验结果表明,当用户有报时要求时,输出的语音质量是好的.由于经语音编码后压缩了数据量,所以电话授时台的工作可以利用单板机来实现.对于其它需要有限语音输出的自动化系统,本方法也有参考价值.     

汉语通信系统客观音质评价方法

提出一种使用语音频谱动态特性的倒谱距离测量对通信系统或通信设备进行客观音质评价方法．它是在对语音通信中主、客观音质评价的研究并在使用LPC倒谱距离评价普通话语音质量的基础上发展起来的。语音频谱动态特性是利用倒谱系数对时间的回归分析来表示的．这种方法中，使用倒谱系数，回归系数和能量三个参数计算距离。比较了四种距离估算方法和主观音质评价（MOS）的相关性，结果表明该方法的综合评价与MOS得分的相关性最好，相关系数为0．954，取得了客观评价方法与主观评价方法一致的结果。     

基于连续高斯混合密度HMM的汉语全音节语音识别研究

本文在大量语音分析实验的基础上，对ＨＭＭ用于汉语全音节语音识别进行了较为深入的探讨，建立了一个连续高斯混合密度ＨＭＭ的汉语全音节语音识别系统．该系统在训练算法上撇开了传统的Ｂａｕｍ－Ｗｅｌｃｈ算法，代之以计算复杂度小、存储量小、迭代次数少且具有自动分割效应的分段Ｋ平均算法。对于ＨＭＭ的模型单元的选择，单元的结构以及模型参数的选取，充分考虑了汉语语音的特点；并在语音特征上做了深入的实验分析工作，采用了符合人耳听觉特性的Ｍｅｌ－Ｓｃａｌｅｄ参数，用ＦＦＴ倒谱代替了ＬＰＣ倒谱，同时利用了语音的动态谱特征和能量特征。另外，本文还针对汉语声母的特点，独特地提出了变帧移分析策略。整个识别系统的首选正识率为９１．１％．     

水下数字语音通信系统的研究和实现

将相干水声通信技术和混合码激励线形预测语音编码技术相结合进行了研究,设计并实现了一个可应用于浅海水声信道的实时数字语音通信系统.系统针对语音编码数据的特点,根据语音数据对恢复话音重要程度的不同,采用分层的信道编码以减少总体冗余度提高系统传输效率,采用鲁棒的语音帧同步机制、引入缓存机制保证语音数据流的连续性以提高系统整体性能;采用基于信道估计的内嵌二阶锁相环分数间隔判决反馈均衡器以对抗水声信道多径的影响.对该系统进行的海试在6 km和11 km距离上成功地实现了较高质量(可分辨出不同说话人)的实时水下语音通信,海试结果表明该系统可以应用于半双工实时水下数字语音通信.     

语音录制与播放系统在单片机的硬件实现

语音识别控制系统需要对语音进行录制与播放处理,利用单片机实现该功能可克服传统语音录制与播放系统需外接语音处理模块、体积大且使用较复杂的缺点。因此选用SPR4096存储器作为语音的数字化信号存储器件,利用凌阳16位单片机设计与实现语音录制与播放硬件系统。结果表明,该硬件系统降低了电路复杂度和制作成本,简单易行,具有有较高的实用价值。     

一种改进的手机双麦克风消噪系统

针对现有手机双麦克风消噪系统无法应对多种复杂噪声环境、在消除噪声的同时会引起语音失真等问题,本文提出一种新的手机双麦克风消噪系统。该系统将时域与频域处理结合,在噪声估计和消除两方面均有改进,结合单、双麦克风的噪声估计算法,提高了噪声估计的准确性。此外,将基音检测与消噪处理结合,在语音帧中估计语音基音频率,确定语音和噪声频率点,根据语音和噪声频率点分别调整维纳滤波器参数,在滤除噪声的同时尽可能地保留语音频率点,从而减少语音失真。实验结果表明,与现有双麦克风消噪系统相比,本系统在抑制噪声的同时能够有效减少消噪算法对语音造成的损害,提高了手机通话质量,对于方向性的语音干扰也起到很好的抑制效果。     

适用于自动语音识别的声道参数

适用于自动语音识别的声道参数￥中国科学院声学研究所＠俞铁城适用于自动语音识别的声道参数我们听到的语音是由舌、唇、喉等发音器官连续移动而产生的．这些发音器官调制嘴腔道中的气流形成语音而后到达我们的耳朵．可以自问一下，在我们感知语音时是否把这些发音器官的移动亦...     

基于VLC的室内无线视频语音通信系统的设计和实现

提出了一种基于可见光通信技术的新型室内无线视频语音通信系统。本文介绍了相关的系统架构,全双工的实现技术及TCP/IP的组网方案等,并对室内可见光通信中提高系统整体性能的若干关键技术进行了讨论。