语音信号互信息估计的非线性搜索算法及识别应用

基于互信息理论的语音识别方法不仅考虑了语音信号的时变分布特征，并且考虑了语音信号的统计分布特征，能有效地提高同类模式的凝聚度，减少非同类模式间的耦合性，在语音识别实验和实际应用中反映出良好的识别精度和很高的运行效率，与其它方法相比更适合嵌入式系统的语音识别应用。本文提出了一种互信息估计的非线性搜索算法，这一算法能够有效地处理语音信号时变分布特征的非线性波动，进一步提高语音模式互信息匹配的精度。     

电脑语音系统的集成与设计

电脑语音集成技术结合了通信技术和计算机技术，近年来发展迅速，本文指出ＣＴＩ系统的集成与设计应考虑ＣＴＩ标准，语音卡，硬件平台，操作系统，语音处理，系统性能等方面的问题。     

在帧中继骨干网上传送话音的技术

在帧中继网上传送话音（ＶｏＦＲ）是帧中继网上的一项增值业务。本文提出该业务的主要障碍是话音分组的时延和丢弃；接着又介绍了克服这些障碍的技术，包括话音压缩、采用回波消除器和抖动缓冲器以及优先级技术等；最后又探讨了ＶｏＦＲ的兼容性和标准化问题。     

语音识别中的神经网络DTW结构

本文介绍语音识别中一种基于动态规划技术的时间规正算法DTW的神经网络实现方法.DTW是语音识别中最为有效的方法之一,它具有较强的鲁棒性且为语音识别系统提供了可能的最高识别率.但由于其计算量太大,除非用专门的硬件,DTW算法在实现时受到了限制.在本文中,所有的计算是由两个循环神经子网和一记忆层来完成的,该方法展示了算法的硬接线结构,(hard-wiring)的优越性,这为DTW的硬件实现提供了一种新的实施策略.     

一种基于SBC技术的16kbit/s高效语音编译码器

本文介绍一种基于SBC技术的16kbit／s高效语音编译码器．在该编码方案中，IIR型正义镜象滤波器（QMF）用于实现语音分带，而基于快速搜索技术的矢量量化（FVQA）用于对除基带（采用ADPCM技术）外的其余高频带语音编码。一片TMS320C25芯片实现了两路16kbit／s语音编译码器，并借此实现了两人双向实时通信。得到良好的语音可懂度、自然度及客观评测结果。     

语音识别系统测试平台设计

语音识别系统的性能测试在整个语音识别系统开发过程中具有非常重要的作用。本文中主要介绍了一个语音识别系统测试平台的设计过程。该测试平台功能模块划分合理,接口稳定,能够灵活适用于多种语音识别系统的评测,有助于语音识别系统的开发。对平台中各个模块的功能以及模块间的接口进行了详细的介绍。此外,文中以测试一个特定说话人的孤立词语音识别系统为例,介绍了整个测试的流程。     

利用语音学知识和神经网络识别非特定人的复合元音

本文主要研究：以音素为识别基元，运用语音学知识，对非特定人的普通话复合元音进行识别。其特点是音素识别由神经网络（ＮＮ）完成，为了便于利用语音知识ＮＮ输入层的刺激采用语音的功率谱，用单元音训练的ＮＮ识另非特定人的普通话复合元音，识别率是５４％。而运用语音学知识后，其识别率提高到９０％。     

语音信号处理技术

语音信号处理用以实现人一人、人一机器和机器一人的通信，是现代通信领域的重要环节。本文详细介绍了其三个分支，即语音编码、语音合成、语音识别和理解的研究和应用现状及其发展。     

Neural control of vocalization: Respiratory and emotional influences

Previous research has shown that a region of the midbrain, the periaqueductal gray matter (PAG), is critical for vocalization. In this review, we describe the results of previous investigations in which we sought to find out how PAG neurons integrate the activity and precise timing of respiratory, laryngeal, and oral muscle activity for natural-sounding vocalization using the technique of excitatory amino acid microinjections in cats. In these studies, all surgical procedures were carried out under deep anaesthesia. In the precollicular decerebrate cat two general types of vocalization, classified as voiced and unvoiced, could be evoked by exciting neurons in the lateral part of the intermediate part of the PAG. The patterns of evoked electromyographic activity were strikingly similar to previously reported patterns of human muscle activity. Coordinated patterns of activity were evoked with just-threshold excitation leading to the conclusion that patterned muscle activity corresponding to the major categories of voiced and voiceless sound production are represented in the PAG. In a parallel series of human and animal experiments, we also determined that the speech and vocalization respiratory patterns are integrated and coordinated with afferent signals related to lung volume. These data have led to the proposal of a new hypothesis for the neural control of vocalization: that the PAG is a crucial brain site for mammalian voice production, not only in the production of emotional or involuntary sounds, but also as a generator of specific respiratory and laryngeal motor patterns essential for human speech and song     

神经网络与HMM构成的混合网络在语音识别中应用的研究

隐马尔可夫模型（ＨＭＭ）技术是语音识别中应用较为成功的算法，但它的缺点影响了其精度、速度、硬件实现和推广应用。神经网络（ＮＮ）具有并行性、强的分类能力和易于硬件实现等优点。将ＮＮ与ＨＭＭ相结合构成混合网络，能克服ＨＭＭ与ＮＮ的缺点，保留双方的优点。本文详细评述了目前在语音识别中应用的由ＨＭＭ和ＮＮ构成的四种混合网络。通过对其结构、识别性能和特点的分析，可以看出ＨＭＭ和ＮＮ构成的混合网的性能明显优于