语音识别中的滤波器网络设计

本文概述了基于滤波器组法的语音识别系统,并给出了滤波器网络的具体设计方法。     

语音识别中的滤波器网络设计

本文概述了基于滤波器组法的语音识别系统,并给出了滤波器网络的具体设计方法。     

传声器阵列空间维纳滤波语音增强方法的研究

传声器阵列在语音增强中得到了普遍应用。通常时域或频域的维纳滤波方法是作为一种后处理方法在阵列波束形成之后单独使用。从空间滤波的思路出发分析并介绍了传声器阵列的空间维纳滤波的方法,并通过实验证明了空间滤波语音增强方法同时具备了MVDR波束形成及频域维纳滤波的优点。     

基于维纳滤波的改进语音增强算法研究

根据传统的基于短时谱的维纳滤波算法,提出了一种改进方法,能有效地对噪声估计环节引入的偏差做修正,提高了整个语音增强系统的抑噪功效。运用MATLAB进行试验仿真,并与传统维纳滤波算法相比较,结果表明该算法能十分有效地滤除噪声,增强语音,同时对有效语音信号带来的失真也非常小,使语音信号的清晰度与可懂度同时得到了提高。     

语音识别的鲁棒性特征提取方法研究

训练环境和测试环境的不匹配是造成实际情况下语音识别性能下降的主要原因。在深入研究语音识别的噪声环境和Mel域倒谱系数(MFCC)流程的基础上,基于累计分布函数匹配思想,给出了3种通过减小训练环境和测试环境的不匹配度来提高系统在不同环境下适应性的鲁棒性特征提取方法,分析了它们的理论基础、基本算法,并在Aurora2.0数据库上进行了实现,验证了方法的有效性,为实际应用中如何选择语音识别系统提供了参考。     

"数码"语音识别系统中滤波器组的实现方法

介绍了一种采用有源滤波器集成电路LTC1068实现“数码”语音识别系统的模拟滤波器组的方法，重点说明了硬件电路设计时应注意的问题及如何使用开发辅助软件。     

基于维纳滤波语音增强算法的改进实现

通过对维纳滤波的介绍,实现了基本维纳滤波效果;利用两级维纳滤波和两级滤波器组滤波方法实现了语音增强,达到了良好的效果.     

基于维纳滤波的数字助听器语音增强算法

本文研究了基于先验信噪比估计的维纳滤波增强算法。针对基于先验信噪比估计的维纳滤波法未能有效提高语音可懂度的缺点进行了研究与改进：首先,引入了以MMSE为准则的两步先验信噪比估计取代原“直接判决”法;其次,针对信噪比为负的区域,增益函数的过高估计会严重降低语音可懂度的问题对增益函数进行了改进,放大了负信噪比区域的噪声谱,从而降低增益函数被过高估计的可能性。实验结果表明,改进的方法能够有效的提高语音可懂度。     

鲁棒性语音识别技术研究综述

鲁棒性语音识别是为了解决噪声环境和混响环境等外界因素所引起的语音识别系统训练和识别不匹配的情况,针对在噪声和混响条件下进行鲁棒性语音识别的问题,对现有的鲁棒性语音识别研究进行了总结,阐述了语音识别的主要流程和整体框架;从特征提取和声学建模两个方面对语音增强技术、语音分离技术进行介绍;分析鲁棒性语音识别技术主要难点和实现过程。最后对鲁棒性语音识别技术进行总结和展望。     

基于二进制小波变换和维纳滤波的语音降噪研究

本文综合应用小波变换理论和维纳滤波技术,提出一种语音降噪算法,该算法不仅能够较好地提高信噪比,而且能够有效地抑制传统的维纳滤波所产生的音乐噪声。本文最后提供的实验结果表明,该算法对于受自噪声干扰的语音具有较好的降噪效果。     

噪声环境下顽健的语音识别系统

开发了一高噪声环境下特定人孤立词的语音识别系统，讨论了系统性能的考核情况，考核实验表明，系统在80dB以下噪声环境下工作，精度较高；在100dB的高噪声环境下，识别率高于96％，系统仍可使用。     

汉语数字耳语音识别研究

耳语音识别可应用于国家安全的某些特殊需要。运用双门限法对语音样本进行端点检测,通过实验分别找出短时能量、短时过零率的高低门限4个参数的最佳取值。深入分析研究参数的抗噪问题,在MFCC参数中引入短时能量、一阶差分、二阶差分等参数,增强MFCC的抗噪性。研究表明,在隐马尔可夫模型中,MFCC和LPCC联合运用讨论识别效果要远优于独立参数。     

汉语小词汇量表语音识别算法的研究和应用

论文研究了汉语小词汇表语音识别算法的基本原理,提出了具有鲁棒性的两级端点检测语音识别技术,在语音信号采集时,根据过零率、短时能量对数据进行提取并压缩,采用了多模板匹配算法识别。硬件采用51内核单片机,用较少的存储空间和计算空间实现语音数据处理,不需要额外的器件。实验用20个字的汉语小词汇量系统进行了测试,识别成功率大于90%,显示该算法比通常采用的算法性能更好。     

基于非因果先验信噪比估计的语音增强方法

传统维纳滤波语音增强方法采用直接判决法来估计先验信噪比,直接判决法利用当前帧和当前帧之前的信息,这种方法对信号突变不能很好的估计,且在低信噪比区域的平滑程度也不够。针对上述两个缺点,提出一种基于非因果先验信噪比估计器的维纳滤波语音增强方法,这种方法利用当前帧之前、当前帧和当前帧之后的信息来联合估计先验信噪比。由于利用当前帧之后的信息,这种方法能够对信号突变进行很好的估计,且在低信噪比区域对后验信噪比进行深度平滑。实验结果表明,本文的方法优于传统的维纳滤波语音增强方法。     

分布式语音识别的相关标准及主要技术

分布式语音识别(DSR)是近年来出现的新技术,具有广阔的应用前景。结合ETSI关于DSR的最新标准介绍了DSR系统的组成,分析了DSR的主要技术,如前端特征提取算法、特征压缩与纠检错、服务器端的语音重构算法等,最后对DSR技术的应用做了简单展望。     

关键词识别在媒体资产管理中的应用

详细介绍了一种基于EBF神经网络的特定人语音识别方法。提出了该语音识别方法在媒体资产管理系统上的应用并给出详细的工作流程图。采用LPC和MFCC2种特征分别建立系统,并对2个系统的识别性能作比较后进行融合。     

Toward Robust Speech Recognition and Understanding

The principal cause of speech recognition errors is a mismatch between trained acoustic/language models and input speech due to the limited amount of training data in comparison with the vast variation of speech. It is crucial to establish methods that are robust against voice variation due to individuality, the physical and psychological condition of the speaker, telephone sets, microphones, network characteristics, additive background noise, speaking styles, and other aspects. This paper overviews robust architecture and modeling techniques for speech recognition and understanding. The topics include acoustic and language modeling for spontaneous speech recognition, unsupervised adaptation of acoustic and language models, robust architecture for spoken dialogue systems, multi-modal speech recognition, and speech summarization. This paper also discusses the most important research problems to be solved in order to achieve ultimate robust speech recognition and understanding systems. Dr. Sadaoki Furui is currently a Professor at Tokyo Institute of Technology, Department of Computer Science. He is engaged in a wide range of research on speech analysis, speech recognition, speaker recognition, speech synthesis, and multimodal human-computer interaction and has authored or coauthored over 450 published articles. From 1978 to 1979, he served on the staff of the Acoustics Research Department of Bell Laboratories, Murray Hill, New Jersey, as a visiting researcher working on speaker verification. He is a Fellow of the IEEE, the Acoustical Society of America and the Institute of Electronics, Information and Communication Engineers of Japan (IEICE). He was President of the Acoustical Society of Japan (ASJ) from 2001 to 2003 and the Permanent Council for International Conferences on Spoken Language Processing (PC-ICSLP) from 2000 to 2004. He is currently President of the International Speech Communication Association (ISCA). He was a Board of Governor of the IEEE Signal Processing Society from 2001 to 2003. He has served on the IEEE Technical Committees on Speech and MMSP and on numerous IEEE conference organizing committees. He has served as Editor-in-Chief of both Journal of Speech Communication and the Transaction of the IEICE. He is an Editorial Board member of Speech Communication, the Journal of Computer Speech and Language, and the Journal of Digital Signal Processing. He has received the Yonezawa Prize and the Paper Awards from the IEICE (1975, 88, 93, 2003), and the Sato Paper Award from the ASJ (1985, 87). He has received the Senior Award from the IEEE ASSP Society (1989) and the Achievement Award from the Minister of Science and Technology, Japan (1989). He has received the Technical Achievement Award and the Book Award from the IEICE (2003, 1990). He has also received the Mira Paul Memorial Award from the AFECT, India (2001). In 1993 he served as an IEEE SPS Distinguished Lecturer. He is the author of “Digital Speech Processing, Synthesis, and Recognition” (Marcel Dekker, 1989, revised, 2000) in English, “Digital Speech Processing” (Tokai University Press, 1985) in Japanese, “Acoustics and Speech Processing” (Kindai-Kagaku-Sha, 1992) in Japanese, and “Speech Information Processing” (Morikita, 1998) in Japanese. He edited “Advances in Speech Signal Processing” (Marcel Dekker, 1992) jointly with Dr. M.M. Sondhi. He has translated into Japanese “Fundamentals of Speech Recognition,” authored by Drs. L.R. Rabiner and B.-H. Juang (NTT Advanced Technology, 1995) and “Vector Quantization and Signal Compression,” authored by Drs. A. Gersho and R. M. Gray (Corona-sha, 1998).     

分布式语音识别的前端处理及相关标准

语音识别在实际应用中受到信道噪声和便携终端计算、存储能力不足等因素制约。分布式语音识别（DSR）不仅解决了上述的问题，还有占用带宽窄、综合成本低等优点，但其应用的前提是提取的参数必须标准化。文中介绍了分布式语音识别前端处理的基本结构以及相关标准。