开发语音处理器的几个问题

本文从实践角度出发以芯片的存贮方式和语音合成方式为依据分析了一些主流语音合成芯片的特征，提出了选择芯片的原则和方法。分析了语音作为控制信号的特点，并就语音控制脉冲的取得、电路的消抖、语音和语音控制信号的分配问题提出解决措施。另外还分析了影响音质量的几个主要方面：滤波、功放电路、录音期间的回授等并就这几方面提出改善语音质量的措施。     

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。     

语音技术在办公自动化系统中的开发与设计

目前语音技术在各个行业都得到了快速发展和运用，但在办公自动化领域却鲜见，本文概括地叙述了语音功能在办公自动化系统中的运用情况，从系统的支撑、软硬件平台、所用技术及存在问题等方面分析设计带语音功能的办公自动化系统，并给出结论与展望。     

基于相位的语音信号处理

在语音信号处理系统的设计中，信号的相位信息总是没有得到设计者足够的重视。本书第一次提出并反复强调信号相位信息在声源定位、语音识别和语音增强中的重要作用，书中很好地讨论并总结了当前基于相位的语音信号处理的最新进展。     

维吾尔语语音数据库的手工标注及软件实现

附加标注信息的语音数据库在语音识别研究中的作用十分重要。本介绍了我们开发的维吾尔语音数据库手工标注系统的功能及其在实现过程中采用的一些技术，并阐明了对语音数据库进行标注的重要性及切分的基本原理。     

英语习语中的语音隐喻

语音隐喻自提出以来并没有受到学术界的广泛关注。究其原因很可能是其提出者将语音隐喻的概念理解得过于狭隘,从而限制了其研究和应用的范围。尝试利用语音隐喻来解释英语习语中丰富的语音修辞手法这一现象,以此为习语语音特征的研究找到认知和心理方面的依据,并扩大语音隐喻的研究范围。     

语音信号基本载体的研究

语音信号特征的提取是语音识别的基础，目前使用的特征提取方法要将语音信息经多次复杂变换后提取特性。这样，往往满足不了实时性要求。该文对原始语音信号做简单处理，的实验，证明了经简单处理后语间信号波形比原始波形简单，直观，计算频域特征和自相关特征等简单方便，实时性好，并有望从中进一步发现新的语音特征提取方法。     

英汉语音翻译系统的关键技术分析

介绍了国内外语音翻译系统的研究现状,分析了语音翻译系统的基本特点和工作原理,并结合作者在汉语语音识别与合成、英汉机器翻译等方面的工作,探讨了英汉语音翻译系统的设计与实现中的一些关键问题。     

用VoiceXML开发语音商务网站

VoiceXML语音应用程序使人们可以通过电话查询网络上的信息和服务，实现了语音网络和数据网络的融合，是电子商务今后发展的一个方向。本详细地介绍了VoiceXML语音应用程序的开发过程，并给出了一个语音购物网站的具体实现方法。     

论师范院校英语语音教学改革

本以相同学生不同时期语音测试成绩起伏状况的统计、分析为基础，从语音教学的长期性、整体性、实践性和学科渗透性等方面深入探究了目前语音教学存在的“症结”，并根据师范院校英语教育专业的培养目标和素质教育的要求，在教学方法、教学手段、考核办法及跨学科教学等方面，提出了师范院校语音教学的一系列改革方案。     

基于听觉模型的小波包变换的语音增强

由于人耳频率分辨率是非线性的 ,用传统的线性信号处理方法 (如FFT)来模拟人耳基底膜的频率分析特性是比较困难的 .小波包算法有灵活的时频分析能力 ,可较好地符合人耳基底膜的频率分析特性 .在模拟人耳的听觉机理方面 ,用动态阈值法成功地对含噪语音进行了去噪处理 ,在去噪处理中引入音乐噪声的问题也较好地得到解决 .实验表明 :在单声道的条件下 ,其语音增强效果比传统的频谱减法有更高的清晰度和可懂度     

言语知觉中的感觉运动整合机制

 大脑如何感知和理解言语是心理学和脑科学研究的重要问题之一。近年来,言语产出相关的皮层言语运动系统（SMS）通常被认为以代偿调节方式参与有噪音干扰和/或信息缺失情况下的言语知觉中。本研究采用功能性核磁共振成像（fMRI）技术考查在噪音干扰下的音节辨识任务中的感觉运动整合机制。研究1发现,SMS的参与程度随语音辨识难度增加而增加、在噪音干扰下比听皮层具有更高的音位特异性编码和表征能力,并且在难度适中时对听皮层编码代偿作用最大。研究2发现,听力正常的老年人在噪音干扰下存在音节辨识困难,且比年轻人更加依赖SMS的活动增加以及较少受到老化和噪音影响的言语运动表征以代偿听觉加工能力的下降。本研究不仅加深了对言语知觉中跨通道感觉运动信息整合机制及其毕生发展机制的认识,还为帮助听力受损或正常的老年人设计和开展言语交流康复训练方案提供了新的视角和启发。     

噪声环境中基于DTW的说话人识别

在VC＋＋环境下,提取PLAR特征参数,基于听觉特性和语谱特性的语音增强器作为预处理器,对语音信号首先进行降噪处理,建立了基于DTW的抗噪声说话人识别系统．实验结果表明,即使在信噪比比较低的情况下,该系统都会在一定程度上提高多种噪声环境下说话人识剐系统的识别性能．     

基于听觉模型的子波变换语音增强

基于听觉模型的子波变换语音增强林宝成，富煜清黄志同（东南大学无线电工程系，南京２１００１８）（南京理工大学自控系，南京２１００１４）在许多实际的语音信号处理中，都迫切需要进行语音增强，例如，噪声环境中的语音识别［２］、语音编码、语音合成等。尽管有各种...     

基于CASA简化模型的语音增强算法

基于听觉现象分析（CASA）模型的基本原理,针对仅有非语音信号干扰情况下的单通道语音增强处理问题,利用人耳的频率掩蔽效应,提出了一种单通道简化CASA计算模型语音增强新算法,新算法通过提取混合语音输入中的有效语音时频成分并利用人耳的听觉掩蔽效应重构合成增强语音输出信号,通过在汽车噪声和白噪声干扰下的仿真实验结果表明,简化的CASA模型语音增强算法的输出信噪比约提高了10dB,且可以有效抑制干扰噪声的听觉影响,增强输出语音信号的可懂度。     

基于听觉小波包自适应语音增强方法

建立了听觉模型的小波包，考察了传统小波分析的软硬阈值与Donoho提出的小波阈值之间的关系，提出了一种新的自适应动态阈值的计算方法．实验证明，该算法不仅较好地解决了音乐噪声的问题，而且其语音增强效果也比传统的算法具有更高的清晰度和可懂度．     

基于WGAN的语音增强算法研究

带噪语音可看成由独立的噪声信号和语音信号经某种方式混合而成,传统语音增强方法需要对噪声信号和干净语音信号的独立性和特征分布做出假设,不合理的假设会造成噪声残留、语音失真等问题,导致语音增强效果不佳。此外,噪声本身的随机性和突变性也会影响传统语音增强方法的鲁棒性。针对这些问题,使用生成对抗网络来对语音进行增强,给出一种基于Wasserstein 距离的生成对抗网络(Wasserstein generative adversarial nets, WGAN)的语音增强方法来加快训练速度和稳定训练过程。该方法无需人工提取声学特征,且使语音增强系统的泛化能力得以提升,在匹配噪声集和不匹配噪声集中都有良好的增强效果。实验结果表明,使用训练出的端对端语音增强模型后,语音信号的客观评价标准(perceptual evaluation of speech quality,PESQ)平均得到23.97%的提高。     

基于计算听觉场景分析的语音增强改进算法

针对单通道语音增强问题,基于计算听觉场景分析(CASA)的原理,提出了一种基于CASA计算模型的语音增强改进算法。该算法在特征提取中选择了目标语音有效能量、信道互相关等特征,对语谱能量和互相关特征的阈值选取进行了改进。在5种低信噪比噪声干扰条件下的仿真实验结果证明,该算法输出增强语音的信噪比平均提高了9.32dB,有效地抑制了噪声。     

一种基于小波变换的语音增强新方法

根据随机噪声的小波变换系数在不同尺度上的传递特性和噪声信号奇异性与小波模极大值的关系，提出用一个随尺度变化的软阈值来抑制带噪语音信号在不同尺度上的噪声小波系数的语音增强方法．实验结果表明：该方法既能减小语音畸变，又能有效地去除噪声，具有较好的语音增强效果．     

数字音频产品中基于人耳听觉感知特性的水印嵌入系统设计

针对数字音频作品特别是语音录音(如朗诵、讲话)和歌曲,基于新的信息隐藏理论,设计将作品购买者的身份信息隐藏进入数字音频作品中,以实现知识产权保护,并设计了可以自动将用户身份信息嵌入到音频作品中的方法,开发了相应的实现软件。在对语音录音添加水印信息时,主要是根据人耳对相位不敏感的原理,通过对字或者词进行180度反相来嵌入用户身份信息。在对歌曲添加水印时,给出了基于变换域(DCT)系数量化的水印嵌入方案。信息被嵌入后,将带水印作品在专业消声室里做了听觉试验,证实了作品的主观听觉效果未受到影响,也就是说嵌入的信息表面上是透明的,用户无法察觉。并且嵌入的信息必须采用特殊的手段才能提取。并对所提水印嵌入方法进行了各种加噪、编码等抗干扰实验,以验证技术的通用性。经过实验测试,证明本文所提方案具有更好的鲁棒性、安全性和透明性。