Speech emotion recognition based on statistical pitch model

A modified Parzen-window method, which keep high resolution in low frequencies and keep smoothness in high frequencies, is proposed to obtain statistical model. Then, a gender classification method utilizing the statistical model is proposed, which have a 98% accuracy of gender classification while long sentence is dealt with. By separation the male voice and female voice, the mean and standard deviation of speech training samples with different emotion are used to create the corresponding emotion models. Then the Bhattacharyya distance between the test sample and statistical models of pitch, are utilized for emotion recognition in speech. The normalization of pitch for the male voice and female voice are also considered, in order to illustrate them into a uniform space. Finally, the speech emotion recognition experiment based on K Nearest Neighbor shows that, the correct rate of 81% is achieved, where it is only 73.85% if the traditional parameters are utilized.     

一种小波域音频信息隐藏方法

提出了一种基于量化的小波域音频隐藏算法，将保密语音隐藏到载体音频中．为提高隐藏重和保密语音传输的安全性，对保密语音进行了小波域压缩编码和m序列的扩频调制，生成待隐藏的比特序列；通过量化方法，将编码和调制后的保密语音隐藏到载体音频的小波系数中；保密语音的恢复过程不需要使用原始音频、仿真结果表明，隐藏有保密语音的载体音频听觉质量没有明显下降，提取的保密语音感知质量较好；该算法对重量化、加噪、低通滤波等攻击均有良好的鲁棒性．     

浅议IP电话

 IP电话是国际互联网电话(Internetphone)的简称,又称为VOIP(voiceoverinternetprotocol,基于IP协议的语音通信),是一种借助计算机和互联网将语音信息转换和传送的新型通信方式,是计算机网络技术和语音通信技术新的综合集成应用成果。一、IP电话的发展历程早在20世纪70年代,一些有远见的科学家提出了将计算机(computer)、电话(telephone)通过某些硬件和软件集成为一体的技术,使语音和数据融为一体,并在一个终端上得以实现,但是当时由于技术上还不成熟,在实验及实际应用中未能成功。     

基于改进的语音参数提取的线性预测

根据语音发生基本原理和线性预测编码原理，针对自相关法需要加窗从而降低了解的精度，而协方差法不能保证保证解所重构出系统的稳定性的特点，提出了一种改进的Cholesky分解的方法求解协方差方程组以产生声道模型参数的方法，实践证明，这种方法既保证了系统的稳定性，又提高了解的精度。     

基于模糊聚类的语音识别

指出模糊聚类方法影响语间识别的正确率 ,提出用基于分解构造的模糊聚类方法设立语音模式的参考向量 ,说明该方法能提高语章识别的正确率。     

第三届全国人机语音通讯学术会议在重庆召开

第三届全国人机语音通讯学术会议（NCMMSC－94）于1994年10月24日至27日在重庆西南师范大学学术交流中心举行．这次会议是由中国自动化学会模式识别与机器智能专业委员会、中国电子学会信号处理学会语音图象通讯专业委员会、中国声学学会语言、听觉和音乐声学分会、中国中文信息学会基础理论专业委员会、中国通信学会通信理论专业委员会和国家高技术智能计算机系统专家组等六单位联合主办，由四川大学计算中心承办．会议主席由平国声学学会语言、听觉和音乐声学分会主任委员张家股教授担任、副主席有方像棠教授等七人、程序委员会由王仁…     

面向鲁棒自动语音识别的一致性自监督学习方法

提出了一种基于一致性自监督学习的鲁棒自动语音识别方法。该方法通过使用语音信号仿真技术,模拟一条语音在不同声学场景下的副本;在通过自监督学习方式学习语音表征的同时,极大化一条语音在不同声学环境下对应语音表征的相似性,从而获取到与环境干扰无关的语音表征方式,提高下游语音识别模型的性能。在远讲数据集CHiME-4和会议数据集AMI上的实验表明,所提的一致性自监督学习算法能够取得相比已有的wav2vec2.0自监督学习基线算法30%以上的识别词错误率下降。这表明,所提方法是一种获取噪声无关语音表征、提升鲁棒语音识别性能的有效方法。     

基于双向循环神经网络的汉语语音识别*

当前基于深度神经网络模型中,虽然其隐含层可设置多层,对复杂问题适应能力强,但每层之间的节点连接是相互独立的,这种结构特性导致了在语音序列中无法利用上下文相关信息来提高识别效果,而传统的循环神经网络虽然做出了改进,但是只能对上文信息进行利用。针对以上问题,该文采用可以同时利用语音序列中上下文相关信息的双向循环神经网络模型与深度神经网络模型相结合,并应用于语音识别。构建具有5层隐含层的模型,其中第3层为双向循环神经网络结构,其他层采用深度神经网络结构。实验结果表明:加入了双向循环神经网络结构的模型与其他模型相比,较好地提高了识别正确率;噪声对双向循环神经网络汉语识别有重要影响,尤其是训练集和测试集附加噪声类型不同时,单一的含噪声语音的训练模型无法适应不同噪声类型的语音识别;调整神经网络模型中隐含层神经元数量后,识别正确率并不是一直随着隐含层中神经元数量的增加而增加,神经元数量数目增加到一定程度后正确率出现了降低的趋势。     

语音通信降噪研究

语音通信系统中,语音通过信道传输将不可避免地引入码间串扰和信号畸变,同时受到噪声污染。本文在分析自适应盲均衡算法CMA(constant modulus algorithm）和改进盲均衡算法的基础上,考虑到自适应盲均衡技术在语音噪声控制方面能力有限,将自适应盲均衡技术与小波包掩蔽阈值降噪算法联合使用,形成一种基带语音增强新方法。仿真试验结果显示自适应盲均衡技术可以使星座图变得清晰而紧凑,有效减小误码率。研究证实该方法在语音信号ISI和畸变严重情况下,在白噪及有色噪声不同的噪声环境中都具有稳定的降噪能力,消噪同时可获得汉语普通话良好的听觉效果。