声音转换技术的研究与进展

声音转换是一项改变说话人声音特征的技术,可以将一人的语音模式转换为与其特性不同的另一人语音模式.声音转换算法的目标是确定一个什么样的模式转换规则,使转换语音保持第一个说话人原有语音信息内容不变,而具有第二个说话人的声音特点.本文介绍了当前声音转换技术领域的研究状态,主要分析现有声音转换技术中各种转换算法的实现原理,描述声音转换系统性能的各种评估方法,最后给出了对声音转换技术的简要评述和展望.     

基于逻辑输入样本的神经网络算法

本文对确定多层前向神经网络权提出了一种基于逻辑输入样本的直接算法。对于逻辑输入样本,该算法只需一个三层网络实现;否则,需在输入层和隐层间引入一个预处理层以完成输入样本向逻辑向量的转化。由于不引入误差能量函数,该算法避免了BP算法训练过程出现的收敛速度慢和误差陷入局部极小问题。本文还对该算法的正确性作了详细论证并以XOR问题解释其计算过程。     

融合引导概率的语音识别解码算法研究

语音帧在声学特征空间中的位置信息可以辅助解码器对潜在路径进行筛选。传统的语音识别系统缺乏利用这种位置信息。针对这种不足,本文提出一种引导概率模型,用于描述语音帧属于声学特征空间不同局部的概率,并将其用于识别。使用引导概率后,解码器更强调对声学特征空间中最有希望的局部进行搜索,保留并扩展通过此局部空间的路径,同时弱化不经过此局部空间的路径。实验结果显示,融合引导概率的解码算法在不显著增加解码复杂度的情形下,使汉字相对错误率下降10.95%。结果分析表明,融合了语音帧声学位置信息的解码方法能够更有效地鉴别潜在路径,从而降低误识率。     

基于说话人分类技术的分级说话人识别研究

识别正确率和抗噪性能固然是说话人识别的研究重点,但识别响应速度也是决定系统实用化的关键所在.本文成功地提出了基于说话人分类技术的分级说话人辨识方法,极大地提高了系统运行速度,随着注册说话人数的增多,较之传统的说话人辨识方法,其优势更加明显.同时在说话人确认中,该方法的使用,进一步提高了确认的正确率,有效地降低了错误接受和错误拒绝率.本文提出的可信度打分方法,也一定程度上改进了系统的性能.实验表明:基于说话人分类技术的说话人辨识方法使系统的运行速度平均提高了3.5倍,对说话人确认等误识率和最小误识率平均下降了53.75%.     

改进谐波组织规则的单通道浊语音分离系统

针对以往单通道噪声和浊语音分离算法的不足,改进了谐波组织算法。算法利用载波包络能量比将时频单元分为确定和非确定。提取基频作为组织线索。组织阶段分别使用谐波原理和最小幅度原理对确定时频单元组织;使用改进包络自相关函数度量幅度调制率对非确定时频单元组织。对比以往算法的处理结果,改进算法平均信噪比(SNR)提高0.96 dB。通过对谐波组织规则的改进,提高了分离性能。     

基于噪声追踪的二值时频掩蔽到浮值掩蔽的泛化算法

虽然浮值掩蔽比二值掩蔽有更好的语音分离效果,但是由于理想浮值掩蔽难以直接估计,现有的语音分离系统通常以理想二值掩蔽估计作为计算目标。我们提出了一个二值掩蔽到浮值掩蔽的泛化算法。由于实现浮值掩蔽估计的关键在于噪声能量追踪,我们首先采用指数分布刻画以混合谱和噪声能量以混合能量及二值掩蔽为观测的条件分布。其次,采用高斯马尔柯夫条件随机场刻画噪声估计在连续几帧内的关联。最后,采用马尔柯夫链-蒙特卡洛计算噪声能量最小均方误差估计并进一步计算浮值掩蔽。实验表明,相比于基于二值掩蔽估计的常规算法,我们所提出的算法在信噪比增益和客观感知质量两方面都有显著提高。     

基于F范数的信号子空间维度估计的多通道语音增强算法

尽管信号子空间方法在语音增强中的应用已经得到了广泛的研究,但是作为制约子空间方法性能的子空间维度估计却一直没有得到较好的解决。针对子空间维度估计问题,本文用多通道语音信号互功率谱矩阵的F范数的统计模型来描述语音信号的先验知识和变化规律,提出了一种基于最大化原则的子空间维度估计方法,在接受原假设的前提下最大化子空间维度。实验证明,在客观语音质量评估和主观测评中,所提算法都取得了更好的结果。与传统方法相比,采用本文方法的多通道语音增强算法可在房间回声、低信噪比等恶劣环境下获得更高的噪声消除和更低的语音畸变。     

微波场下非贵金属氧化物的升温行为和烹饪油烟的催化净化性能研究

在考察了多种金属氧化物在微波场下升温性能的基础上,制备了用于烹饪油烟催化净化的非贵金属催化剂.实验表明,VB族、V族、B族和B族元素氧化物在微波中升温效果明显,其中Co、Ni和V三种元素氧化物的升温效果最好.涂覆氧化铝的蜂窝堇青石负载V2O5的催化剂具有较稳定的吸波升温性和高油烟催化净化活性.添加La2O3后负载型V2O5催化剂活性明显增加,在微波条件下,含有1%La2O3的负载型V2O5催化剂在150℃可使油烟净化率达到88%以上.     

采用听觉滤波器的宽带MUSIC声源定位方法

在分析了采用短时傅里叶变换的宽带MUSIC声源定位算法(SF-MUSIC)存在问题的基础上,提出了一种采用听觉滤波器的宽带MUSIC声源定位算法(AF-MUSIC)。该算法使用听觉滤波器组对传声器阵列接收到的信号进行不等带宽分解后,在各个频率通道上使用MUSIC算法进行声源定位,并结合子区间频数估计法得出最终定位结果。对算法进行的实验评估表明,在不同声源类型条件下,相比SF-MUSIC算法,AF-MUSIC算法的平均估计误差减少2.5479°,有效地提高了声源波达方向估计的精度。     

汉语和英语音高重音自动标注方法的对比与分析

虽然汉语和英语的重音自动标注被广泛的研究,但是关于汉语和英语的重音自动标注之间对比的研究还鲜有报道。基于汉语韵律标注库ASCCD和英语韵律标注库Boston University Radio News Corpus,对汉语和英语的重音自动标注的异同进行对比,考察不同的特征在不同语言的语料库上的泛化性能。通过基于集成分类回归树的重音自动标注实验、特征分析及基于互信息的重音自动标注的声学对比,得到如下结论:在相同的条件下,汉语重音自动标注的正确率比英语重音自动标注的正确率要低;在重音自动标注中,词典语法相关特征比声学相关的特征更重要;不同的声学信息源在重音自动标注中所起的作用不同,时长相关的特征对汉语和英语重音自动标注都很重要;英语中大部分特征提供的互信息要比汉语相应的特征提供的互信息要高。