一种基于奇异谱的语音激活检测方法

为了提高语音激活检测在低信噪比环境中的检测性能,提出了一种基于奇异谱的语音激活检测方法。首先用多窗口方法计算每一帧语音信号的相关矩阵;然后对相关矩阵进行奇异值分解;利用奇异值可以反映有用信号和噪声分布情况的特性,将每一帧语音信号经过加权处理后的最大奇异值与自适应阈值进行比较进行语音激活检测。该方法原理简单,易于硬件实现,通过实验仿真表明,在低信噪比环境下,和基于对数能量方法相比,本文方法也能够很好的区分语音段和非语音段,有良好的检测性能。     

精神科学的逻辑演进—以诠释学为中心

随着自然科学革命的推进和传统人文领域的式微,精神科学的奠基逐渐被提上日程。精神科学、人文科学有没有自身的逻辑和方法论？这是19世纪下半叶以来哲学面临的重大问题,并在当今学术语境中依然显示出紧迫性。人文科学最初由维柯奠基,以诗性逻辑阐明人文知识的合法性,却忽略了知识的起源和有效性之区分;狄尔泰通过建构描述心理学和诠释学的方法论,在精神科学的奠基与证成上迈出关键的一步,不过他仍然没有摆脱传统认识论的框架;在精神科学的自我确证之路上,伽达默尔接力前行,其哲学诠释学证明了精神科学与理解的本质关系,确立理解的对话结构和精神科学的问答逻辑,由于这种逻辑主要局限于存在论/本体论层面的描述,故而隐含着认识论和实践价值上的相对主义危机。应在更高层面上展望一种存在论和认识论—方法论相统一的精神科学的对话逻辑,这种逻辑融合交互性、反思批判性、开放性和伦理性等元素于自身,不仅标识出精神科学的特质,也能为不同学科领域的交叉综合与创新提供助益。     

联合精确比值掩蔽与深度神经网络的单通道语音增强方法

针对目前有监督语音增强忽略了纯净语音、噪声与带噪语音之间的幅度谱相似性对增强效果影响等问题,提出了一种联合精确比值掩蔽(ARM)与深度神经网络(DNN)的语音增强方法。该方法利用纯净语音与带噪语音、噪声与带噪语音的幅度谱归一化互相关系数,设计了一种基于时频域理想比值掩蔽的精确比值掩蔽作为目标掩蔽;然后以纯净语音和噪声幅度谱为训练目标的DNN为基线,通过该DNN的输出来估计目标掩蔽,并对基线DNN和目标掩蔽进行联合优化,增强语音由目标掩蔽从带噪语音中估计得到;此外,考虑到纯净语音与噪声的区分性信息,采用一种区分性训练函数代替均方误差(MSE)函数作为基线DNN的目标函数,以使网络输出更加准确。实验表明,区分性训练函数提升了基线DNN以及整个联合优化网络的增强效果;在匹配噪声和不匹配噪声下,相比于其它常见DNN方法,本文方法取得了更高的平均客观语音质量评估(PESQ)和短时客观可懂度(STOI),增强后的语音保留了更多语音成分,同时对噪声的抑制效果更加明显。     

基于线性调频Z变换和短波语音通话的飞机类型识别研究

研究用短波语音通话携带的飞机舱室噪声对飞机类型进行识别的方法。分析了飞机舱室内噪声在短波信道和语音通话干扰下的物理特性,定义了估计语音段的飞机噪声信噪比的公式,提出了自适应的抑制语音增强飞机噪声的模型,通过CZT变换分别提取目标信号不同频段的功率谱密度级特征,并设计了用支持向量机进行分类识别的二叉分类树。对8类现场实测数据进行实验:增强后语音段的平均信噪比提高约22 dB,分类树对语音应答间隔噪声、语音段信号和增强后的信号的平均识别率分别为82.79%,15.25%,50.18%。实验表明:应答间隔噪声可用于飞机类型识别;语音抑制算法带来较大的信噪比和识别率增益,证明语音段蕴含有助于飞机类型识别的重要信息,可为后续的研究奠定基础。     

采用低维特征映射的耳语音向正常音转换

在将耳语音转换为正常音时,为了研究降维后语音特征对耳语音转换的影响,分别对耳语音和正常音谱包络进行自适应编码以提取耳语音和正常音的低维特征,然后使用BP网络建立耳语音和正常音低维谱包络特征之间的映射关系以及正常音基频和耳语音低维谱包络特征之间的关系。转换时,根据耳语音低维谱包络特征获得对应正常音的低维谱包络特征和基频,对低维谱包络特征进行解码后获得对应的正常音谱包络。实验结果表明,采用此方法转换后的语音与正常音之间的倒谱距离相比高斯混合模型方法下降了10%,转换后语音的自然度和可懂度都有所提高。     

结合隐藏技术的新颖语音检索算法

采用一种新颖的结合信息隐藏技术的语音检索算法,该算法将保密语音和伪语音分割成多段,利用经典的LSB算法分别隐藏到不同的音频,并存储在磁盘空间中．提取语音码流时,利用小波变换第一级细节分量系数能量的大小找到相应的载体音频,提取其中的语音码流,并建立语音库．利用特定人语音检索技术,检出相应的语音码流,合并语音码流得到真正的保密语音．研究表明：新算法的查准率和查全率可以达到很高的水平,为信息隐藏技术的发展开辟了一条新的研究道路,同样扩大了语音检索技术的应用范围。     

一种汉语单音节基音提取与声调识别方法

本文给出一种以时域检测获取基音候选,以动态规划提取全局优化的基音轮廓,以多级逼近截取有效调型段的基音检测器,并利用基音特征参数进行声调识别的方法。 本系统可以在不作话者训练条件下,简单、快速、准确地进行基音检测和声调识别。系统对男、女话者各1252个不同单音节的实验结果表明,声调正识率分别为98.9％和99.4％。     

基于MMSE先验信噪比估计的语音增强

针对传统最小均方误差（MMSE）沿爵增强方法无法准确处理快速语音的变化问题，提出了一种堆于MMSE估计先验信噪比的语音增强方法，利用该笔法估计每帧语音俯号的每一个频率分量上的平滑系数αn,k。进行平均反馈估计，从而得到更加接近于真实情况的先验信噪比，进而使用MMSE方法进行语音的增强，提高了对于快速变化语肯的增强效果，实验结果农明，本方法比传统MMSE语青增强方法在增强性能上提高了近2dB。     

在微机上实现的语音报时系统

本文介绍了在微计算机Cromemco System Ⅲ上模拟电话授时台的方法及实验结果.其特点是通过语音编码压缩数据量,并利用微计算机的内部时钟,在微计算机上做到实时语音输出.实验结果表明,当用户有报时要求时,输出的语音质量是好的.由于经语音编码后压缩了数据量,所以电话授时台的工作可以利用单板机来实现.对于其它需要有限语音输出的自动化系统,本方法也有参考价值.     

计算机语音模糊模式识别

本文介绍了计算机语音模糊模式识别的三个主要组成部分:特征分析与抽取的硬件系統;特征处理与应用管理的软件系统;模糊线性匹配动态规划匹配以及特征空间β截集分析法的模糊数学分析处理方法。本文所涉及的计算机汉语语音模式识别系统已经在微机上实现,并在军事指挥系统等方面得到应用。