一种高质量语音编解码专用芯片的设计

为满足中速率高质量语音通信系统的需要 ,采用数字信号处理器内核 (DSP Core)的方法 ,设计了具有国际电信联盟 (ITU )建议 G.72 9A语音编解码器、自适应回声抵消和单路同步功能的专用芯片。根据所用数字信号处理器内核的特点 ,对 G.72 9A算法进行了优化 ,降低了算法复杂度和所需存储空间 ,实现了 G.72 9A全部功能 ,并通过了全部ITU测试序列的检验。回声抵消部分使用归一化最小二乘(NL MS)自适应滤波器实现 ,并设计了近端语音活动性检测和非线性残余回声抑制等功能模块 ,使其性能完全符合 ITU建议 G.16 5各项指标要求。在单路同步模块中 ,使用了并行模二比特排除方法 ,具有同步扑捉快、抗信道误码能力强的优点。专用芯片使用较少的资源 ,在一块芯片上集成了以上全部功能     

基于DSP的嵌入式AMBE算法设计及实现

针对AMBE系列芯片无法实现数据全双工读写模式的弊端,提出了基于DSP的嵌入式AMBE算法实现的硬件平台。该平台以芯片TMS320VC6713和AIC23为主要器件。实验表明,该语音算法在TMS320VC6713上得到了很好的实时实现。     

小型语声控制系统的研究

根据语声控制过程的基本原理,讨论了实现系统的硬件方案,提出了一种采用高速DSP芯片TMS 32010实现并能独立工作的硬件结构;结合所设计硬件的特点,研讨了自动分析与自动识别输入命令的具体方法,并编写了相应的系统软件.最后给出了实验的结果,并对系统的进一步扩展提出了建议。     

基于元学习的语音识别探究

目前,高准确率的语音识别需要在大规模语料库上进行学习才能获得,然而大规模语料库的构建成本较高,某些语言很难采集到充足的语料,因此,基于小规模语料库的语音识别已成为目前挑战性的研究问题.元学习是模仿人类利用已有经验快速学习新知识的机器学习方法,在机器视觉单样本学习任务中表现出明显的优势,已成为新的机器学习研究热点.将元学习应用于单样本语音识别是解决基于小规模语料库语音识别这一挑战性问题的有效途径,在TIMIT和佤语数据库上,开展了基于Reptile元学习算法的单样本孤立词语音识别研究.实验结果表明,该算法能有效地提升模型收敛速度与泛化精度,从而提升了模型的学习能力,说明元学习方法有助于解决小规模语料语音识别这一挑战性问题.     

多带激励语音压缩算法的仿真实现

作者从语音信号的多带激励模型出发，对ＭＢＥ语音压缩算法的原理作了详细的指出了它相对于传统ＬＰＣ等算法的优越性，并在计算机上进行仿真实验，给出了实验结果。作者最后就合成语音的质量，算法复杂度等方面，对ＭＢＥ声码器和部分常用标准语音压缩编码方案作了比较，也指出了今后所要研究的方向。     

融合SS、MFCC和PMC技术的语音去噪方法

为提高语音识别系统在噪音情况下的识别率,提出了一种融合信号级去噪、参数级去噪、模型级去噪的方法.首先用谱减法对带噪的语音信号进行去噪,再利用Mel倒谱系数(MFCC)对处理后的语音信号进行特征提取,最后经过并行模型结合处理法(PMC)处理得到较高识别率的语音信号.     

Peripheral Nonlinear Time Spectrum Features Algorithm for Large Vocabulary Mandarin Automatic Speech Recognition

IntroductionCurrentautomaticspeechrecognitionsystemsarebasedoncontext-dependentorcontext-independentphonicsorsyllablemodelsdescribedintermsofse-quencesofhiddenMarkovmodel(HMM)states,whereeachstateisassumedtobecharacterizedbyastationaryprobabilitydensityfunction.Thetimecorre-lationandconsequently,thesignaldynamicsinsideeachHMMstate,arealsousuallydisregardedalthoughtheuseofdynamicfeatures,suchasdeltaanddelta-deltaparameters,cancapturesomeofthecorrelations.Consequently,onlymedium-termdependenc…     

重复所致多种修辞格的象似性阐释

语言与现实同构,刻意重复所致的各种修辞格就是其典型体现之一.基于“现实-认知-语言”这一认知原则,辅以象似性中的距离象似性、顺序象似性、数量象似性、标记象似性、句式象似性等,来就因重复而产生的回文、花园路径、夸张、排比、连珠、双关等手法的产出和理解进行认知语用阐释,能更好佐证言语确实与现实同构.     

构式语义和语用义的整合：以“给我＋动词短语”为例

语义和语用义会在构式内互动和整合。为了证实这一论点,本研究从认知构式语法角度对“给我＋动词短语”构式作出探讨。此构式展示含两个组块的框架构式,其中的动词短语独立使用有祈使功能。第一组块与第二组块整合后会产生两义：1．标识位移目标的语义组合;2．标识特殊语用功能的语法化单位。前义与祈使句涉及事件的言内行为相关,后义加剧祈使句的言外之义和言后效果。此两义促成两个不同子构式。基于历时调查的认知演进构拟显示,此构式引申于双宾语构式,其引申方式是隐喻和转喻识解。     

快速口音自适应的动态说话人选择性训练

为解决语音识别系统实用中的说话人口音快速自适应问题,提出了一种动态说话人选择性训练方法。基于说话人选择性训练方法,采用基于Gauss混合模型似然分数计算的置信测度选择训练用说话人,改变训练用说话人的绝对数目选取方式,提高了选取的效能并拓展了选取标准的推广性。根据各个训练用说话人同被适应说话人的不同似然程度,加权地合成动态说话人选择性训练的语音模型,提高了自适应训练的效果。实验表明:该方法使识别率从80.16%提高到84.12%,相对误识率降低了19.96%,在实用中提高了基线系统的识别性能。