基于矢量泰勒级数的模型自适应算法

在实际环境中,由于测试环境与训练环境的不匹配,语音识别系统的性能会急剧恶化。模型自适应算法是减小环境失配影响的有效方法之一,它通过测试环境下的少量自适应数据,将HMM模型的参数变换到测试环境下。该文将矢量泰勒级数用于模型自适应,同时对HMM模型的均值向量和协方差矩阵进行变换,使其与实际环境相匹配。实验证明,该文算法优于MLLR算法和基于矢量泰勒级数的特征补偿算法,在低信噪比环境中性能提高尤为明显。     

基于改进小波阈值法的语音去噪算法

针对数字助听器在接收和处理过程中,容易受到背景噪声干扰的问题,在传统小波阈值去噪的基础上提出了一种改进的阚值函数.该函数具有高阶连续可导,克服了传统小波阚值函数不可导的问题.利用该阈值函数对含噪语音的小波系数进行分帧实时阈值处理,以获得数字助听器中语音增强的效果.仿真结果表明:利用新阈值函数得到的语音去噪信号,其信噪比、均方误差和语音可懂度均优于其他非连续可导的阈值函数算法.     

基于多带的2.4 kbit/s波形内插算法

由于传统特征波形内插语音编码算法对特征波形相位信息的忽略,以及对特征波形的整体对齐,往往造成语音高频谐波分量丢失,从而导致语音的噪声感。为了提高合成语音的质量,该文引入语音多带清浊音标志,并以此为依据对波形内插编码模型中的慢渐变波形和快渐变波形的相位谱进行估计,在语音合成时则对特征波形采取部分对齐的方法,最后提出了一种基于多带的2.4 kbit/s特征波形内插算法。与传统算法相比,新算法明显提高了语音的清晰度。与标准2.4 kbit/sMELP算法相比,该算法合成语音质量亦略显优势。     

A Closed‐Form Solution of Linear Spectral Transformation for Robust Speech Recognition

The maximum likelihood linear spectral transformation (ML‐LST) using a numerical iteration method has been previously proposed for robust speech recognition. The numerical iteration method is not appropriate for real‐time applications due to its computational complexity. In order to reduce the computational cost, the objective function of the ML‐LST is approximated and a closed‐form solution is proposed in this paper. It is shown experimentally that the proposed closed‐form solution for the ML‐LST can provide rapid speaker and environment adaptation for robust speech recognition.     

IMPLEMENTING THE ADAPTIVE VECTOR QUANTIZER USING CARPENTER/GROSSBERG NET

AVQ(Adaptive Vector Quantizer)overcomes some shortcomings of traditional vectorquantizer with a fixed codebook trained and generated by the LBG or other algorithms by applyinga variab|e codebook.In this paper,we describe an effective and efficient implementation of AVQby modifying the CCN(Carpenter/Grossberg Net).The encoding process of AVQ is very similarto the learning process of the CGN.We study several different encoding schemes,includingwaveform AVQ,analysed parameter AVQ and so on,implemented by the CGN.And we simulatethe encoding performance of each scheme for encoding Gaussian process source,first order Gauss-Markov process source and practical speech signal.Our simulation results show that good qualityboth in subjective and objective tests can be obtained in a low or middle bit rate range.     

基于短时谱最小均方误差估计的语音增强和剩余噪声衰减

本文研究了三种基于语音短时谱最小均方误差估计的语音增强方法:短时谱幅度最小均方误差估计,短时对数谱最小均方误差估计和短时相对谱幅度最小均方误差估计,在理论分析基础上对它们进行了实验研究.计算机仿真结果表明,在加性白色高斯噪声污染下,当带噪语音信噪比为+5～-10dB时,处理后的语音信噪比提高了3.4～12dB。短时对致谱最小均方误差估计的效果最好,试听实验也证实了这一点。 文中还对增强后剩余噪声的衰减问题进行了研究。利用中心削波并对估值器中的增益函数进行修正,可明显地减弱剩余噪声。     

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。     

基于小波变换的自适应多分辨率语音增强算法

本文提出了一种基于小波变换的自适应多分辨率语音增强算法,它在尺度上和尺度间同时对受噪声污染的语音信号作自适应滤波处理,从而使得对听觉影响最严重的频段上的噪声被有效地滤除掉,滤波后的语音信噪比和主观听觉质量都得到了很大的改善。     

语音编码综述

语音编码技术经历了半个多世纪，其编码速率已从64kb／s压缩到skb／s，并向更低速率进展。本文将回顾这一历程，并探讨今后语音编码的研究方向。     

互联网的语音应用─—互联网电话(Internet phone)

本文对互联网电话的发展趋势，所使用的软件和关键技术作了介绍，并介绍了几家互联网电话产品。