高性能汉语语音基音周期估计

精确度、连续性和可行性是语音基音分析中必须考虑的三个主要问题,为解决这些问题,本文提出一种新的汉语语音基音周期估计方法,首先,我们通过以ＬＶＡＭＤＦ方法替代ＡＭＤＦ方法获得了更好的基音估计精度和进域分辨度;其次,我们根据汉语语音的特点提出了元音清晰度的概念,在ＬＶＡＭＤＦ和元音清晰度的基础上,本文设计了元音中心定位、基音谐波单周期校正、基音邻近搜索等一系列算法,从而大大提高了汉语语音基音估计的精确     

用语音动态谱特征实现连续汉语语音按音节的自动分割

本文通过对汉语语音的特性分析,及各类音素的DFT谱特性,特别是清/浊音的DFT谱差异的研究,概括出了可用于连续语音音节分割的两个相对最佳的动态特征;同时,提出了动态特征曲线极小值区域分布情况的一种定量描述方法——凹谷函数描述法。在这些研究的基础上,本文给出了一个具体的分段算法。实验验证表明,本文的分段方法对连续汉语语音的音节分割是有效的。最后,本文将这种方法应用到语图分析中,并首次实现了连续语音动态语图按音节的自动分割。     

汉语数码语音识别自适应算法

说话人自适应是提高非特定人语音识别性能的有效方法之一。本文将ＭＡＰ算法应用于汉语数码语音识别中,并讨论了几种加快自适应速度的方法以及自适应对非自适应人的影响。实验表明,ＭＡＰ算法可以有效地降低汉语数码识别对被适应人的误识率,而且对非自适应人性能影响很小。     

基于BP神经网络的汉语语音识别的研究

本文论述了基于神经网络模型的非特定人汉语语音识别。我们采用24人(12人用于训练,12人用于测试)的语音数据对汉语十个数字和十个孤立字进行了实验,取得了96.3％(10个数字)和97.2％(十个汉字)的识别率。     

改进汉语数码语音识别中的语音特征提取性能

汉语数据码语音识别中存在三种与语音特征提取性能有关的语音混淆。     

PC机扬声器发出汉语语音的方法

本文介绍一种利用增量调制原理，让ＰＣ机上的扬声器发出汉语语音方法．该方法简单实用并能发出可懂度和清晰度较好的汉语自然语音，可在各种系统中使用．     

汉语语音实时声调模式识别研究（上）

利用较为可靠而相对简单的基音周期包络的时域分析法对汉语语音流的声调模式进行分析研究。     

特定人汉语数码语音抗噪识别方法

本文提出一种连续隐邓尔可夫模型（ＣＨＭＭ）和人工神经网络（ＡＮＮ）相结合的鲁棒性识别方法。用于噪声环境下特定人数码语音识别,该方法以ＣＨＭＭ的输出作为系统的识别矢量,利用人工神经网络的模式分类和自学习功能,从识别矢量空间中提取语音预识别矢量,再由识别结果进行识别输出。实验证明,这种基于ＣＨＭＭＡＮＮ的数码语音识别方法明显地提高了系统的噪声鲁棒性,适用于中小词表语音识别系统。     

多媒体计算机体育信息处理系统的设计

在计算机网络技术不断发展与完善的新时期,我国各个领域都相继进入了现代化、信息化的时代,多媒体信息处理系统是依托于各种计算机应用以及网络技术的综合性平台,在我国很多领域都得到了广泛应用,尤其是在信息量不断增加的现代体育事业中,多媒体计算机信息处理系统在信息储存、分享以及处理方面,更是发挥着不可替代的作用。从体育信息本身的特点出发,其除了文字以及数据、图片信息之外,还包括有声信息以及动态影响信息等,视频、光盘等都记载体育信息的主要载体,因此,建立具有特色的体育信息多媒体处理系统,是现阶段体育事业发展的需要,同时也是提高信息处理效率与质量的基础。     

浅析汉语语音与口型匹配的基本机理

对语音口型匹配的机理进行了概要探析.首先归结了语音口型运动遵循的一些规则,然后在此基础上,结合汉语语音发音特点,从几何形状匹配和时间匹配两个层面,探析了语音与口型匹配的机理.在几何匹配层面,阐述了汉语语音与口型的对应方法,并进一步分析了声母和韵母口型的形成机理;在时间匹配层面,简要分析了声母和韵母口型的时间对位方法.     

基于短时分形维数的汉语语音自动分段技术研究

本文根据汉语语音的构成特点,提出了一种新的基于短时分形维数的汉语语音自动分段方法。该方法首先用等差尺度网格维数替代传统盒维数计算方法来快速计算语音信号的分形维数,然后在统计、分析汉语男女声２１种声母和３８种韵母语间信号的分形特性基础上,利用中心偏离限定算法来实现汉语语音信号的自动分段。仿真实验表明,该方法不但能正确实现不同语速条件下的语音自动分段,而且具有噪声鲁棒性,是一种有效的汉语语音自动分段技     

基于经典隐马尔可夫模型的汉语连续语音识别系统

该文构造了基于经典隐马尔可夫模型(Hidden Markov Model,HMM)的汉语连续语音识别系统,定量地分析与评价了经典HMM的性能。     

基于3维空间Viterbi算法的汉语连续语音识别方法

本文提出了基于３维空间Ｖｉｔｅｒｂｉ算法的汉语连续语音识别方法。本方法采用６０个音素单位的隐马尔可大模型（ＨＭＭ）和８个声调单位的ＨＭＭ作为识别用基元模型。音素基元模型和声调基元模型的识别结果的统合,采用音素单位的ＨＭＭ状态,声调单位的ＨＭＭ状态和时间的３维空间Ｖｉｔｅｒｂｉ算法来实现。