一种基于音调的语音/音乐实时分类算法

语音／音乐的实时分类,在语音／音乐通用编码器中是尤其重要的。分析了语音和音乐的区别性特征,提出了一种利用音调分布特性和频谱倾斜度对语音和音乐进行实时分类的算法,并对分类结果进行简单平滑,使分类更为合理,从而提高音质。实验结果表明,此算法复杂度低,而且分类准确率高,实用性强。     

基于节拍谱的语音音乐分类模型

语音音乐分类是语音信号处理领域的重要研究方向。针对以往方法通过提取短时能量、短时幅度等特征参数来区分语音和音乐而忽视音乐具有节拍的特性,为此提出了基于节拍谱的话音分类模型。此模型在针对语音和音乐两类信号中,先对语音信号进行预处理,并对待分类的信号计算得到梅尔频率倒谱系数,再计算梅尔频率倒谱系数的相似矩阵和相似矩阵的自相关,得到待分类信号的节拍谱,最后通过阈值判断待信号类别。经试验结果证明,此模型对比传统分类模型,分类准确率提高到98%。     

基于模式识别的语音分类方法

对语音的浊／清分类方法进行了讨论,并着重研究了基于多个特征参数、应用模式识别理论的语音分类系统。实验表明,采用Ｆｉｓｈｅｒ分类器实现的语音分类方法,对训练内语音分类准确率可达９８．６％,而训练外语音分类准确率也可达９６．７％。     

一种基于后验信噪比频域语音增强方法的研究

谱减法是常用的单通道语音降噪方法,传统谱减法在抑制背景噪声的同时引入了“音乐噪声”,影响听觉效果。为了抑制音乐噪声,提出了一种基于后验信噪比的频域语音增强新方法,当后验信噪比较高时,采用基于后验信噪比的谱减法增强语音信号;当后验信噪比较低时,采用基于后验信噪比的谱衰减方法对含噪语音信号谱线进行衰减,达到语音增强的目的。仿真结果表明,基于后验信噪比的频域语音增强法具有较好的背景噪声和音乐噪声抑制效果,并保持了较好语音可懂度。     

一种稳健的语音/音乐分类法

提出了一种把音频片段分类成语音或音乐的新系统。系统能自动选取在相应的信噪比下具有最高分类精度的特征参数。将从音频片段提取的特征参数值与门限值相比较进行语音/音乐的分类,其中的门限值与一定的信噪比相适应。介绍了一种新特征参数,即低频带能量率方差,在低信噪比环境下,它对分类精度有很大地提高。考察了系统在不同的信噪比环境下的分类性能。实验结果表明,所提系统分类性能良好。     

一种稳健的语音信号检测方法

本文提出一和种基于谱相关技术的语音信号检测方法。该方法以信号幅度谱的自相关函数为基础,通过峰值检测来达到自动检测语音的目的。     

一种DCT域的语音增强改进算法

提出了一种DCT域的语音增强改进算法。该算法依据DCT域语音分量和噪声分量统计分布的不同,采用最大后验概率估计方法对语音分量进行精确估计,实现将语音信号从噪声环境中分离出来,从而有效地改善语音质量。在低信噪比条件下,该算法可以有效降噪,且增强效果较频域增强算法更好。     

一种4 kbit／s语音混合编码

介绍了一种语音混合编码技术，它结合了频域参数编码器（用于平稳浊音和平稳清音）和时域波形编码器（用于过滤语音）。主观听音测试证明，这种4kbit/s混合编码方案的质量可和低速率的CELP编码器相媲美。     

一种窄带雷达舰船目标分类的决策方法

目标识别技术在现代雷达中具有重要的应用价值,由于自身体制的限制,窄带雷达无法提供充足的信息以支撑目标分类识别。针对这种问题,提出了一种基于分类器判决、多帧融合和综合判决的综合决策方法:在分类器判决的基础上进行多帧融合以提高判决结果的稳定性,在综合判决中充分考虑各历史判决的信息以获得可靠的判决结果。以某型雷达对不同舰船目标的实测数据为对象,对提出的方法进行了验证。结果表明,所提方法能够有效提升判决结果的准确性与稳定性。     

一种低信噪比语音的增强算法

为改善低信噪比环境下语音的质量,论文提出了一种新的语音增强算法。算法首先根据噪声频谱的高斯统计模型得到用先验信噪比形式表示的噪声频谱估计值,然后利用帧内、帧间平滑算法估计每一个频点的先验信噪比,从而能够更好地跟踪先验信噪比的变化。算法接着引入一种简便的估计语音在每一个频点出现概率的方法,得出一种新的语音增强算法。客观测试和非正式听音测试表明：该算法在几乎不损伤语音清晰度的前提下,能够更好地抑制低信噪比语音增强所产生的音乐噪声,同时使语音信噪比得到了明显提高。     

一种稳健的语立/音乐分类法

提出了一种把音频片段分类成语音或音乐的新系统.系统能自动选取在相应的信噪比下具有最高分类精度的特征参数.将从音频片段提取的特征参数值与门限值相比较进行语音/音乐的分类,其中的门限值与一定的信噪比相适应.介绍了一种新特征参数,即低频带能量率方差,在低信噪比环境下,它对分类精度有很大地提高.考察了系统在不同的信噪比环境下的分类性能.实验结果表明,所提系统分类性能良好.     

Adaptive Kernel Function of SVM for Improving Speech/Music Classification of 3GPP2 SMV

Because a wide variety of multimedia services are provided through personal wireless communication devices, the demand for efficient bandwidth utilization becomes stronger. This demand naturally results in the introduction of the variable bitrate speech coding concept. One exemplary work is the selectable mode vocoder (SMV) that supports speech/music classification. However, because it has severe limitations in its classification performance, a couple of works to improve speech/music classification by introducing support vector machines (SVMs) have been proposed. While these approaches significantly improved classification accuracy, they did not consider correlations commonly found in speech and music frames. In this paper, we propose a novel and orthogonal approach to improve the speech/music classification of SMV codec by adaptively tuning SVMs based on interframe correlations. According to the experimental results, the proposed algorithm yields improved results in classifying speech and music within the SMV framework.     

一种语音与背景乐音信号盲分离优化算法

在盲分离算法中,许多智能优化算法被应用,以克服独立性准则函数的优化进入局部最优位置,但这些优化算法的性能依赖控制参数的选择。因此,提出利用一种单参数的纯随机搜索的单形进化优化算法(Surface-Simplex Swarm Evolution,SSSE),克服算法参数对优化算法性能的影响,提高盲分离算法的应用有效性,并将该改进盲分离算法应用于语音与背景乐音信号的盲分离。实验中,以四阶累积量作为独立分量分析(Independent Component Analysis,ICA)中的准则函数。实验结果表明,该改进算法有效分离出语音成分与背景乐音成分,而且在稳定性和分离效果方面具有较好的性能。     

A Review of Speech Coding

ＡＲｅｖｉｅｗｏｆＳｐｅｃｈＣｏｄｉｎｇＢａｏＣｈａｎｇｃｈｕｎ（ＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＢｅｉｊｉｎｇＰｏｌｙｔｅｃｈｎｉｃＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０００２２）ＦａｎＣｈａｎｇｘｉｎ?..     

A New On-Line Robust Approach to Design Noise-Immune Speech Recognition Systems

Hereafter, we present a new approach dealing to cope with the harmful effects of noise on speech recognition systems (SRS). This approach is oriented to hardware redundancy and it is essentially a modification of the classic Recovery Blocks scheme. When compared to conventional approaches using Fast Fourier Transform (FFT) and Hamming Code, the primary benefit of such a technique is to improve system performance when operating in real (i.e., noisy) environments. The second advantage is related to the considerably low complexity and reduced area overhead required for implementation. We implemented three full versions of the proposed algorithm: one running of a PC microcomputer, and a second one slightly modified to run on a TMS-320C67 Texas DSP microprocessor module. Both of them were described in the C language. Finally, a last implementation was prototyped on a HW-SW development environment based on the same Texas microprocessor and on the FLEX10K20 FPGA Altera Component.     

一种高动态低信噪比环境下基于多样本点串行快速傅里叶变换的信号捕获方法

高超音速技术是未来空间飞行器的发展趋势,同时对通信平台在超高动态、低信噪比环境下的快速捕获能力也提出了新的挑战。针对经典捕获算法受频偏影响的局限性,该文提出一种基于信号多样本点串行快速傅里叶变换的信号捕获算法(MS-FFT),所提算法通过串行执行多个样本点的FFT,采用非相干合并后的峰值搜索得到捕获结果,在不增加复杂度的条件下,避免了频偏对捕获性能的影响。通过对峰值信噪比(PSNR)理论公式的推导,证明了MS-FFT的频偏适应范围取决于采样率,随着数模转换器件采样能力的不断提升,具有比经典算法更大的频偏适应范围。最后,通过仿真验证了上述理论推导的正确性,证明了所提算法更加适合超高动态环境的应用场景。     

谱相减与波束形成相结合的语音增强算法

根据阵列信号语音增强的思想,提出一种基于频城处理的谱相减与波束形成相结合的语音增强结构。结构为多路信号输入,每路含噪信号在谱相减后,增加了波束形成结构,不仅有效地消除了背景噪声,也抑制了谱相减后的音乐噪声。并使用该算法对实际环境中采集到的含噪语音信号进行了仿真,结果显示经过该系统处理后的增强语音的信噪比有了较大的提高,主观试听效果也很好。     

一种微带结构下空域格林函数的快速算法

使用二级近似的离散复镜像方法获得微带结构下的空域格林函数,避免了在原始的离散复镜像方法中必须提取准动态像和表面波项。该方法利用GPOF方法,大大提高了空域格林函数的计算效率。     

从存在伴奏的歌曲中提取歌声基音的时域算法

提取歌曲中的唱者基音拥有广泛的用途,如可用于基于内容的音频检索等。在歌曲中提取唱者基音存在许多与普通语音处理不同的问题,传统的时域算法在强音乐背景的干扰下很难正确提取唱者人声基音,近年来研究歌声特殊性的各系统则采用较为复杂的训练模型和频域算法。本系统为改进传统时域算法,提高歌声基音提取的准确度,同时为降低算法复杂度,利于用硬件实现基于内容的音频检索系统,提出一种以人声特征着眼、以开环-闭环基音提取为框架的时域算法。实验证明此算法在歌声基音提取上相对传统时域算法准确度有显著提高。