基于浊音语音谐波谱子带加权重建的抗噪声说话人识别

提出了一个基于浊音语音谐波谱重建的说话人识别算法.该算法根据浊音语音短时频谱的结构特征和基音信息,对浊音语音谐波结构频谱进行子带加权重建,以补偿由噪声引起的训练与测试条件的失配.算法基于重建浊音频谱提取感知线性预测倒谱系数,与基音相组合作为说话人的语音特征参数矢量,采用高斯混合模型对说话人进行建模.仿真实验的结果表明:所提出的浊音谱重建方法对多种类型含噪语音的噪声补偿均具良好效果,可以明显提高在噪声环境下的与文本无关的说话人识别的识别率,特别是显著提高低信噪比环境下的识别率,而不会明显降低纯净语音和高信噪比环境下的识别率.     

基于矢量泰勒级数的鲁棒语音识别

矢量泰勒级数是一种有效的抗噪声鲁棒语音识别算法.然而在对数谱域,美尔滤波器组的不同通道之间有较强的相关性,因而难以从含噪语音中准确估计噪声的方差.提出了一种基于矢量泰勒级数的倒谱域特征补偿算法.该算法在倒谱域,用一个高斯混合模型描述语音倒谱特征的分布,通过矢量泰勒级数从含噪语音中估计噪声的均值和方差.实验结果表明,此算法能明显提高语音识别系统的性能,优于基于矢量泰勒级数的对数谱域特征补偿算法.     

基于倒谱距离的语音端点检测改进算法

在讨论传统倒谱距离语音端点检测算法不足的基础上,提出了一种改进方案,该方法首先估计短时信噪比,然后由统计方法确定短时信噪比与门限的关系,进而完成正确的语音端点判决。通过对3种典型噪声环境下信噪比从-5 dB到20 dB的带噪语音信号进行的仿真实验结果表明,所提方法能更为准确地检测到语音端点。     

基于卷积神经网络的鲁棒性说话人识别方法

为了提升说话人识别技术在复杂噪声环境下的识别性能,提出了一种基于高斯均值矩阵和卷积神经网络的鲁棒性说话人识别方法,应用于纯净语音训练出的模型上测试含噪语音的场景.其中高斯均值矩阵是采用最大后验概率(MAP)对传统的梅尔频率倒谱系数(MFCC)特征进行自适应操作得到的,这一操作增加了帧与帧之间的关联性,使特征携带更丰富的说话人身份信息.同时采用卷积神经网络进一步对帧层面的信息进行对准,并从数据中学习到更有利于说话人识别的特征表示,从而提升说话人识别的鲁棒性.实验结果表明在Libri语音数据集上,所提出方法的鲁棒性优于GMM-UBM和GSV-SVM算法.     

含噪语音信号中噪声参数的一种估计方法

为了提高含噪语音信号中噪声参数估计的实时性,利用语音信号的短时平稳性,提出了一种无需对含噪语音信号进行有声／无声检测的噪声参数估计法。仿真实验表明,该方法计算效率高、噪声参数估计的实时性,即使是噪声特性随时间缓慢变化也可得到良好的估计结果,可以方便地溶入到基于短时谱幅度估计的语音增强处理中。     

基于EEMD和ICA的语音去噪方法

语音去噪技术是语音识别系统走向实用化的一个关键性难题.针对语音信号为非平稳信号的特点,提出了一种基于EEMD和ICA相结合的语音去噪方法,首先利用集合经验模态分解(EEMD)算法将含噪语音信号分解为若干个独立的固有模态函数(IMF),消除了经验模态分解(EMD)算法处理语音信号时产生的模态混迭现象;然后将固有模态函数通过改进的独立分量分析(ICA)算法分离出若干个有效的语音信号分量;最后对其进行语音重构,从而达到消除噪声干扰的目的.实验结果表明,该方法在输入信噪比为-10dB的汽车噪声条件下,可以将语音信号的信噪比提高到2.741 2 dB.     

用于语音识别的减谱结合RASTA的抗噪声方法

主要论述加性和卷积性噪声条件下语音识别的抗噪方法．在特征提取阶段，用功率谱短时均值相减的谱减方法补偿加性噪声的影响，用在Mel频标倒谱域RASTA(relative specllral)滤波补偿卷积性噪声对语音识别系统的影响．在汉语非特定人孤立数字识别实验中，使用该方法的误识率比未使用该方法要低，并且需要很小的噪声先验知识和假设，运算简单．实验证明，提出的减谱结合RASTA的方法是一种比较有效地削减噪声的方法。     

语音增强用于抗噪声语音识别

语音识别系统通常是将在安静的环境下训练得到的参数应用于实际环境中。如果实际环境也是安静的 ,则语音识别系统可以令人满意地工作。然而 ,当实际环境中有噪声存在时 ,语音识别系统性能急剧下降。为了让语音识别系统在安静的环境和有噪声的环境中都获得令人满意的工作性能 ,研究了一个将语音增强器和语音识别器级连起来的系统。该系统中 ,语音增强作为前端处理用于提高识别器输入端信号的信噪比。通过 3种不同的增强算法用于纯净语音和3种类型带噪语音的实验结果分析比较表明 ,这一方法对纯净语音的识别精度几乎没有任何改变而大大提高了系统的抗噪声性能     

一种改进的语音识别抗噪算法

为了提高在噪声环境下的语音识别性能,提出一种融合信号级和特征参数级抗噪的抗噪算法.该算法首先对带噪语音用最小均方误差估计法进行语音增强,后端对原始的带噪语音运用自相关法,以有效抑制加性和卷积噪声.实验结果表明,该算法能有效提高系统在噪声环境下,特别是低信噪比情况下的识别率.     

一种改进的基于谱熵实时噪声估计的谱减法

语音增强的目标是从含有噪声的语音信号中提取尽可能纯净的原始语音.在实际应用中,需要对背景噪声进行预估计,以达到改善语音质量.目前常用的语音增强方式是谱减法,但由于该算法在低信噪比环境下的效果较差,所以限制了其应用范围.该文将实时噪声估计同谱减法相结合,针对谱减法在低信噪比下效果不明显的缺点,给出一种新的语音增强方案.该方案的目的是优化传统谱减法的性能,对噪声进行更为准确的实时估计;该方案的特点就是利用谱熵对噪声进行估计,通过谱熵估计每一帧语音的噪声,再利用谱减法达到降噪的目的.实验结果表明,该方法与传统的谱减法相比,在低信噪比环境下均能得到较好的去噪效果.     

基于EGARCH-CVaR的我国股市风险分析

根据我国股票市场收益的基本特征,对上证180指数收益率序列分别构建基于正态分布、t分布和GED分布的EGARCH模型。通过计算三种不同分布下的CVaR值,对股市风险进行分析。并将EGARCH模型的CVaR值与GARCH模型的CVaR值进行比较。结果表明,基于广义误差分布的EGARCH模型(EGARCH-GED)能更好地刻画我国股市的市场风险。     

基于原子模型的非局域连续模型

在传统的连续模型中,本构关系,例如胡克定律、热传导的傅立叶定律是宏观现象的表征.在原子尺度下,传统连续模型具有很大的局限性,其中一个原因就是传统连续模型忽略了原子间相互作用的非局域性.本文在不采用任何经验的本构假设和局部均匀变形假设(如Cauchy-Born假设)的情况下,严格基于原子模型,构造了一个连续模型,将原子间相互作用力的非局域性和非线性性自然地嵌入到模型中.此模型可以有效表现原子尺度的非均匀变形.     

基于手部握持模型的计算机仿真研究

在手枪握持模型数据采集的基础上,阐述了手枪手部握持模型,提出了仿真算法及仿真模型的建立过程,并实现了手枪握持模型的计算机三维模拟。     

一道竞赛题的建模方法初探

按照"最优解"、"多种解法"的思路对2000年全国大学生数学建模竞赛B题的建模方法进行探讨,建立了5种模型,并对各种模型进行比较分析,找出了一种较好的模型,并归纳出一般建模方法的要点。重点放在模型建立的过程,至于模型的求解只给出结果。     

基于面向对象思想的矿体三维数据模型

为了解决地下矿体解译和圈定问题,采用面向对象的方法,分析了矿体三维模型,论述了矿体构模过程,矿体三维数据模型元素的表达,抽象成矿体模型类库,最终建立矿体的三维数据模型的过程,并成功地建立了国内某大型铁矿三维矿体模型.研究结果表明:面向对象思想建立矿体三维数据模型有效且实用.该成果对矿床采矿设计、开拓生产提供更直观、更可靠的研究手段.     

车辆跟驰模型研究综述

从模型形式、参数标定以及模型假设条件的角度出发,对相对速度—加减速度模型、安全距离模型、线性模型进行了综合论述,分析已有模型的特点及适用条件,认为目前的车辆跟驰模型由于其假设前提的限制,制约了其在交通流系统中的实际应用,说明有必要建立基于综合环境影响的车辆跟驰模型,并根据我国交通的实际特点加以运用。     

物理学中的模型研究之物理模型的分类体系

论述了物理模型的分类体系（即主要类型包括对象模型、空间模型、条件模型、过程模型、状态模型等），给出了每种物理模型的定义，并分析了他们的特点、应用等。     

高超声速飞行器侧向机动性能研究

对高超声速飞行器侧向机动性能的研究是对其进行跟踪预测的一项重要参考依据。本文通过对高超声速飞行器的最小转弯半径以及偏航距离的计算,研究了飞行速度以及飞行高度对飞行器侧向机动性能的影响。首先在假设条件下构建了飞行器的数学模型,然后建立了飞行器做变速率转弯机动时的转弯半径模型、位移模型以及加速度模型,通过计算两种转弯模式下的最小转弯半径以及匀速率转弯机动方式下的偏航距离,得出了关于飞行速度以及飞行高度会对飞行器机动性能产生不同影响的结论。     

关于河工动床模型研究的反思

河工动床模型至今仍主要进行定性相似模拟研究,靠加大尺度的模型试验并不能明显改进试验成果,决非最佳选择。尽管微尺度模型远未完美,作为河工动床模型的创新值得关注。     

基于干预分析模型下的新疆GDP预测研究

通过对新疆GDP序列做对数变换,分析了对数变换后的新疆GDP序列的自相关系数和偏相关系数,合理地建立了ARIMA模型,利用干预分析方法对亚洲金融危机所引起的误差进行了修正;结果显示,通过干预影响序列建立起的干预模型能够定量的表示出亚洲金融危机对新疆GDP的影响。