共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
文章提出一种概率谱减的方法,它从混噪语音信号中,根据所有可能出现的噪声序列的概率情况来减去相应的频谱。这种概率谱减技术要比单纯的谱减技术能更好地利用环境中不同类型的噪声特征。对不特定话者84个孤立词电话语音的实验显示,误识率下降了33.9%。 相似文献
3.
4.
一种基于迟滞编码的自动语音端点检测方法 总被引:2,自引:0,他引:2
端点检测在语音识别中占有十分重要的地位,端点检测的准确性将直接影响整十语音识别系统的性能。已往的自动端点检测方绝大多数都是利用帧平均能量EN,帧平均跨零数ZN,帧平均跨零积A和帧平均零比B等参敦来确定语音段的始点和终点。这些方法的缺点是难以设置对各次实验都合适的固定阈值,这给实际应用带来了很多不便。本文提出了一种基于迟滞编码的自动端点检测方法——在对语音信号进行迟滞编码的基础上,利用各杖的码字和来判斯语音段的起点和终点。该方法充分利用了噪声和信号的统计特性,克服了已往端点检测方法的不足。实验结果表明.该方法具有良好的性能。 相似文献
5.
在不增加信息量的前提下,对语音信号进行频带扩展,以提高语音的听觉质量,已经成为人们研究的热点.本文围绕语音信号频带扩展中的两个重要问题--谱包络的重建和宽带激励信号的产生,分析了传统基于矢量量化的频带扩展方法中的不足.文章中针对这两个问题,对谱包络的重建方法作了改进,并提出了一种新的宽带激励信号产生方法.实验结果均表明改进的算法明显优于传统算法. 相似文献
6.
利用语音信号的短时平稳特性,本文提出了一种WVA分布与联合对角化的盲分离方法,该方法采用新的联合差分相关矩阵白化算法去除有色噪声影响,估计出源语音信号,实现对混叠信号的盲分离.通过仿真实验,结果表明,本算法具有分离效果好,能有效的将混叠的盲语音信号分离. 相似文献
7.
直接序列扩频、高速跳频与跳时相结合的技术,造成了对Link16信号的检测具有相当的难度。文中针对突发Link16信号脉冲宽度强规律性,借鉴双滑动窗算法在突发信号检测上的应用,提出了改进后基于相关处理的双滑动窗Link16信号检测方法,该方法可实现复杂电磁环境下对Link16信号的高灵敏度、高概率检测,同时正确估算出脉宽、码速率等参数信息。仿真实验数据验证了理论分析的正确性和所述方法的有效性,相较于其他Link16信号检测方法,改进后的基于相关处理的双滑动窗检测算法明显提高了在低信噪比下对Link16信号的检测能力。 相似文献
8.
9.
《电子技术与软件工程》2015,(1)
在低信噪比环境下,为了提高语音端点检测的效果,提出了一种适应于低信噪比环境的语音端点检测方法。基于子带谱熵法,引入正参数对基本的谱熵法进行算法改进,得到改进后的子带谱熵法,通过增加预判环节选择合适的正参数,加大语音信号与噪声信号的区分度,进一步改善在低信噪比环境下算法的效果,得到新的语音端点检测算法。仿真实验表明,新的算法不仅快速高效,具有较强鲁棒性,而且适合在低信噪比环境中较准确的检测出语音端点。 相似文献
10.
11.
12.
13.
语音端点检测是语音识别过程中的一个重要环节,不同的端点检测方法对不同噪声的分辨能力不同。实际应用环境中的背景噪声主要为调谐噪声,传统能零积的方法对此噪声却无能为力,为了能有效去除调谐噪声,对能零积的方法做了改进,使用能量比过零率的方法,有效地去除了应用环境中的调谐噪声,并对普通白噪声也有同样效果。通过与MFCC倒谱进行比较,其检测概率与MFCC倒谱检测概率相同,而在实时性上能明显优于MFCC倒谱系数。 相似文献
14.
提出了一种MIM0系统中低复杂度的局域化最大似然信号检测算法,该方法通过调整信号有效搜索域大小,在计算复杂度与系统性能之间折衷.实验结果表明:该信号检测算法明显降低了高阶QAM调制的计算复杂度,在QPSK和16QAM调制时,当系统性能接近最大似然算法时计算量仅为其很小一部分。 相似文献
15.
根据Flether等人的研究,基于感知独立性假设的子带识别方法被用于抗噪声鲁棒语音识别。本文拓展子带方法,采用基于噪声污染假定的多带框架来减少噪声影响。论文不仅从理论上分析了噪声污染假定多带框架在识别性能上的潜在优势,而且提出了多带环境下的鲁棒语音识别算法。研究表明:多带框架不仅回避了独立感知假设要求,而且与子带方法相比,多带方法能更好的减少噪声影响,提高系统识别性能。 相似文献
16.
17.
18.
19.
本文介绍的语音检测器以DSP芯片TMS320VC5402为核心,对短波电台接收到的信号进行分析和处理。数字语音信号采用串行输入/输出方式,语音检测算法则采用对语音信号进行降噪处理后,再进行短时平均幅度差和短时能量计算的方法。该语音检测器的电路简洁小巧,语音检测准确度高。 相似文献
20.
采用特征分类直方图均衡化的鲁棒性语音识别 总被引:1,自引:0,他引:1
大部分噪声会引起语音倒谱域特征参数的非线性失真,导致识别系统性能下降。直方图均衡化方法是一种非线性补偿变换技术,较传统的基于线性变换技术的抗噪声方法进一步提高了系统的鲁棒性。但实际识别系统中,除了噪声引起语音特征的非线性失真外,还存在训练和测试数据的语音特征类分布不一致问题,从而难以保证传统的直方图均衡化方法发挥其优势。本文提出一种基于特征分类的直方图均衡化方法,首先对初步均衡化后的含噪语音特征矢量进行K均值分类,然后对各类别下的特征矢量再进行直方图均衡变换。实验结果表明,低信噪比时无论在平稳噪声还是非平稳噪声环境下,与传统的直方图均衡化方法相比都进一步增强了识别系统的鲁棒性。 相似文献