排序方式: 共有17条查询结果,搜索用时 31 毫秒
1.
2.
3.
4.
针对语音识别中由于强噪声的影响而引起的Lombard和Loud效应进行研究,提出了基于训练数据的加性噪声和Lombard及Loud效应的联合补偿法。对于加性噪声是从谱减法的逆向角度对训练数据在频谱域采用谱加法;对于Lombard和Loud语音,则采用基于隐马尔可夫模型(HMM)状态标注的训练数据补偿,该方法同时考虑Lombard和Loud语音不同声学单元的不同状态在倒谱域的多种变化和多种变异情况下不同声学单元的音长及相对音长的变化。这种基于数据的多模式补偿使模型自动适应多种噪声和语音变异情况,在强噪声环境下具有很强的鲁棒性,并且不影响识别系统在正常环境或正常发音时的识别性能.同时,由于补偿是在训练过程中得到,不增加识别时的计算复杂度。 相似文献
5.
6.
7.
田斌仲 《数学的实践与认识》1987,(2)
本文定义了 p~s-正则群和半 p~s-交换群.证明了下面的定理1和定理2.定理1.G 为有限 p-群,s,t 为正整数,且 s≤t,若 G 是 p~s-正则的,则 G 是 p~t-正则的.定理2.G 为有限 p-群,则 G 是 p~s-正则的,当且仅当 G 的每个截段是半 p~s-交换的.定理1 推广了[2]的结果.定理2包含了[3,4]中的特殊情形. 相似文献
8.
9.
10.