从线性预测HMM到一种新的语音识别的混合模型

线性预测HMM(Linear Prediction HMM,LPHMM)并没有象传统HMM那样引入状态输出独立同分布假设,但实用中识别性能并不佳.通过分析两种HMM的各自优劣,本文提出了一种新的语音识别的混合模型,将语音静态特性(基于传统HMM)和动态特性(基于LPHMM)分别描述又有机结合在一起,更为精确地刻划了真实的语音现象,同时又继承使系统的实现改动很小和较小的计算量.汉语大词汇量非特定人连续语音识别的实验表明,混合模型的识别性能显著好于LPHMM和传统HMM.理论上,本文还给出了LPHMM的一组闭式参数重估公式.     

语音信号的线性预测分析在DSP上的优化实现

语音信号的线性预测分析是语音压缩中的一个重要环节，占据语音压缩计算中的大部分时间，为提高语音压缩的速度，在C54x系列DSP上用汇编语言实现了语音信号的线性预测分析，并对其进行优化。最终可以使代码的运行时间减少到原来的5％左右。     

语音情感识别的研究进展

情感在人类的感知、决策等过程扮演着重要角色.长期以来情感智能研究只存在于心理学和认知科学领域,近年来随着人工智能的发展,情感智能跟计算机技术结合产生了情感计算这一研究课题,这将大大的促进计算机技术的发展.情感自动识别是通向情感计算的第一步.语音作为人类最重要的交流媒介,携带着丰富的情感信息.如何从语音中自动识别说话者的情感状态近年来受到各领域研究者的广泛关注.本文从语音情感识别所涉及的几个重要问题出发,包括情感理论及情感分类、情感语音数据库、语音中的情感特征和语音情感识别算法等,介绍了当前的研究进展,并讨论了今后研究的几个关键问题.     

嵌入式Linux的图像采集与显示

随着网络技术的发展,利用嵌入式系统实现远程视频监控、可视电话和视频会议等应用已成为可能。为了实现这些应用,如何获得图像数据和显示图像是一个重要环节。针对这一点,介绍了基于S3C2410平台与嵌入式Linux进行图像采集与显示的通用方法,并简单说明了软件的开发流程。     

数字调试电话的设计与实现

设计了数字调试电话系统，实现调试电话中的语音信号的数字编码叠加和信令控制功能，并且自行定义信令帧结构和令牌传输方式，实现两点或多点电话通信功能。     

结合音质特征和韵律特征的语音情感识别

为了提高语音情感的正确识别率,在情感语音韵律特征的基础上,提出情感语音音质特征的提取.结合音质特征参数和韵律特征参数,采用支持向量机分类器实现汉语普通话生气、高兴、悲伤和惊奇四种主要情感类型语音的情感识别.实验结果表明,语音音质特征参数和韵律特征参数相结合取得的情感平均正确识别率为88.1%,比单独使用韵律特征参数高出6%.可见,语音音质特征是一种较有效的情感特征参数.     

一种新的基于遗传算法的VQ码本优化方法

矢量量化(VQ)是语音识别中广泛应用的一种数据压缩和编码方法。在矢量量化的码本设计过程中,经典的LBG算法收敛速度快,但极易陷入局部最优,且初始码本的生成对最佳码本的设计影响很大。考虑到遗传算法(GA)是一种具有全局优化搜索能力的算法,提出了GA和LBG算法相结合的GA L算法来优化码本,改善了码本质量,并将其应用于非特定人汉语连续数字语音识别中。实验结果表明,GA L算法优于传统的LBG算法。     

基于语音识别的家庭智能监控系统设计

以16位单片机SPCE061A为核心处理器,利用其适用于数字语音识别的特点,并以DTW理论作为识别技术核心,构建了这套家庭智能监控系统。该系统结构简单、可靠性高、具有很高的性价比,便于推广和应用。     

基于传声器阵列的语音增强技术

介绍了几种传声器阵列语音增强算法,包括固定波束形成、自适应波束形成、传声器阵后维纳滤波,并对各算法的性能和特点进行了分析。同时,对近几年基于传声器阵的语音增强技术的发展趋势进行了简单介绍。     

PSTN网上可视多媒体通信终端

介绍了符合ＩＴＵ－ＴＨ．３２４协议的ＰＳＴＮ网上可视多媒体通信终端——ＫＤＭＭＴ。它在外接符合Ｖ．３４的调制解调器时,能通过ＰＳＴＮ网全双工实时传送图像和声音;介绍了终端系统的软硬件结构,高效实现音频和视频压缩编解码算法的关键技术以及系统互连时相关通信协议的设计与实现。