基于双向循环神经网络的汉语语音识别*

当前基于深度神经网络模型中,虽然其隐含层可设置多层,对复杂问题适应能力强,但每层之间的节点连接是相互独立的,这种结构特性导致了在语音序列中无法利用上下文相关信息来提高识别效果,而传统的循环神经网络虽然做出了改进,但是只能对上文信息进行利用。针对以上问题,该文采用可以同时利用语音序列中上下文相关信息的双向循环神经网络模型与深度神经网络模型相结合,并应用于语音识别。构建具有5层隐含层的模型,其中第3层为双向循环神经网络结构,其他层采用深度神经网络结构。实验结果表明:加入了双向循环神经网络结构的模型与其他模型相比,较好地提高了识别正确率;噪声对双向循环神经网络汉语识别有重要影响,尤其是训练集和测试集附加噪声类型不同时,单一的含噪声语音的训练模型无法适应不同噪声类型的语音识别;调整神经网络模型中隐含层神经元数量后,识别正确率并不是一直随着隐含层中神经元数量的增加而增加,神经元数量数目增加到一定程度后正确率出现了降低的趋势。     

语音通信降噪研究

语音通信系统中,语音通过信道传输将不可避免地引入码间串扰和信号畸变,同时受到噪声污染。本文在分析自适应盲均衡算法CMA(constant modulus algorithm）和改进盲均衡算法的基础上,考虑到自适应盲均衡技术在语音噪声控制方面能力有限,将自适应盲均衡技术与小波包掩蔽阈值降噪算法联合使用,形成一种基带语音增强新方法。仿真试验结果显示自适应盲均衡技术可以使星座图变得清晰而紧凑,有效减小误码率。研究证实该方法在语音信号ISI和畸变严重情况下,在白噪及有色噪声不同的噪声环境中都具有稳定的降噪能力,消噪同时可获得汉语普通话良好的听觉效果。     

单脉冲飞秒激光时域参数测量技术研究

钛宝石飞秒激光放大系统具有重复频率低、脉冲波形复杂等特点,为准确测量其峰值功率,提出对单次脉冲波形和脉冲宽度测量的需求。介绍了单脉冲飞秒激光时域波形和脉冲宽度的测量原理和测量方法,设计了基于频率分辨光学开关法的单脉冲飞秒激光时域参数测量装置。讨论了单脉冲飞秒激光时域参数测量校准面临的问题及解决方法。     

一种微型FAIMS传感器芯片的研制

基于微机电系统(MEMS)技术,研制了一种微型高场非对称波形离子迁移谱(FAIMS)传感器芯片.芯片尺寸为18.8mm×12.4mm×1.2mm,由离子化区、迁移区、离子检测区组成.采用真空紫外灯离子源在大气压环境下对样品进行离子化,经过离子化区中聚焦电极的电场作用,实现离子在进入迁移区之前的聚焦,提高离子信号的强度.通过在上下玻璃上溅射Au/Cr(300nm/30nm)金属,并与厚度为200μm、采用感应耦合等离子体(ICP)工艺刻蚀的硅片键合,形成迁移区的矩形通道,尺寸为10mm×5mm×0.2mm.离子检测区为三排直径200μm、间距100μm交错排列的圆柱阵列式微法拉第筒,能同时检测正负离子.采用频率为2MHz,最大电压为364V,占空比为30%的高场非对称方波电压进行FAIMS芯片实验.以丙酮和甲苯为实验样品,载气流速80L·h-1,补偿电压从-10V到3V以0.1V的步长进行扫描,得到了丙酮和甲苯的FAIMS谱图,验证了FAIMS芯片的性能.丙酮和甲苯的FAIMS-MS实验进一步表明FAIMS系统实现了离子分离和过滤功能.     

紫外光离子源-高场不对称波形离子迁移谱检测环境中挥发性有机物

本研究采用紫外光离子源-高场不对称波形离子迁移谱(UV-FAIMS)快速检测环境中挥发性有机物.选取苯和对二甲苯为研究对象,并分析了分离电压、流速等因素对其分离识别的影响.实验结果表明:当分离电压值为0～1200 V时,苯和对二甲苯信号强度逐渐降低,而特征补偿电压值却逐渐增加.实验选取分离电压值为900 V,当载气流速为0～240 L/h时,苯和对二甲苯的特征离子峰信号强度逐渐增加,当载气流速为0～120 L/h时,苯和对二甲苯团簇峰信号强度增加,当载气流速为120～240 L/h时,苯的团簇峰信号强度增加,而对二甲苯的团簇峰信号强度降低.此外,对样品浓度、信号强度与噪声的比值进行探讨,获得UV-FAIMS检测苯的检测限为0.011mg/m3.     

基于连续HMM的汉语数码语音识别系统

探讨了连续隐马尔可夫模型的基本原理及其在汉语数码语音识别中的应用,实现了一个汉语数码语音识别系统,其正确识别率达到99%以上。     

On the pitch of dialogue in Chinese Putonghua

In order to improve the naturalness of TTS speech so as to represent the cadence of natural speech, it is necessary to have a study on the pitch of spontaneous speech. Based on the 973 telephone corpus, the pitch ranges and pitch registers of 1084 intonation phrases are analyzed. It is found that intonation phrases can be classified according to their ranges and registers, and this is related to their positions in dialogue exchange. Compared with read speech, the pitch patterns in dialogue are more variable.     

“神光Ⅱ”装置激光输出波形的数值模拟

推广应用“激光放大一维问题的解”的计算方法,模拟计算了“神光Ⅱ”装置激光束放大链的传输波形,并与实验结果进行比较,符合较好. 为功率平衡的研究提供了有力工具. 关键词： 模拟计算 激光束 波形 功率平衡     

Speech enhancement based on multitaper spectrum and psychoacoustical weighting rule

Multitaper spectrum has lower variance than the traditional periodogram. The noise spectrum and the noise to noisy signal spectrum ratio (NNSR) were estimated from the multitaper spectrum of the noisy signal; the pre-enhanced speech for calculating the noise masking threshold was obtained by the spectral amplitude subtraction method, whose gain is a function of NNSR; the final enhanced speech was obtained by suppressing the Fourier spectrum of the noisy speech with the psychoacoustical weighting rule incorporating the noise masking threshold. Because of the low variance feature of the multitaper spectrum, a modified offset formula was proposed to calculate the noise masking threshold, thus the reconstructed speech with this modification has an improvement in MBSD (Modified Bark Spectral Distortion). When a maximum limitation less than one to the psychoacoustical weighting rule is further proposed, the higher the input SNR (> 0 dB) is, the more improvement the segmental SNR and the overall SNR have. The informal listening tests show that there is little speech distortion for the enhanced speech processed by the proposed method, the background noise is reduced much and free of musical noise.