基于人耳听觉模型的语音质量客观评价方法

将人耳听觉模型应用于语音质量客观评价 ,用听觉模型对语音作处理得到近似的短时语音频谱 ,在此基础上得到谱距离作为语音质量的评判标准 .实验结果表明这种方法与主观评价结果的相关度达到 0 .83     

语音质量客观评价方法研究及实现

语音质量的客观评价在语言自主学习中具有重大的意义.文章首先介绍了语音质量客观评价过程中语音信号的预处理单元;其次,介绍了不同的语音特征提取算法,比较选择了更符合人耳听觉模型的MFCC特征,并给出特征提取过程及结果;最后,比较当前评价模型(DTW和HMM)的优缺点,并提出了采用HMM模型进行评价的方法,设计系统验证了该方...     

基于心理声学模型的高性能语音质量评价算法

提出了一种高效心理声学模型语音质量评价（EPM-SQE）算法．该算法采用12阶美尔倒谱参数（MFCC）作为语音信号特征向量，其空间复杂度小于巴克谱．对MFCC进行相对谱（RASTA）滤波，可以突出快变信号对听觉感知的影响．将滤波后的参数映射为响度，由此模拟人的感知过程．计算原始语音和受损语音响度之问的感知扰动，并依次在频域和时域进行聚合，从而获得单一的扰动值，该值再经认知模型计算，可以得到最终的客观评分．实验表明，所提算法的平均运行时间比国际电信联盟提出的语音质量感知评价算法减少了41％，内存占用降低了51％，而仅比主观评价的相关度下降6．8％．     

无线局域网语音质量评价的研究

无线局域网的语音应用日益广泛。本文分析了网络语音质量的评价方法，提出了改进的评价模型，使用原始语音数据进行网络仿真评价，得到了不同客观条件下无线局域网语音质量的平均意见得分，分析了不同的播放算法对语音质量的影响。     

一种无线局域网语音质量评价方法

为了更真实地反应无线局域网的语音质量,分析了网络语音质量的评价方法,根据网络语音的影响因素和网络仿真的特点,提出了改进的评价模型,并使用原始语音数据进行网络仿真评价,最后结合不同的播放算法得到了不同客观条件下无线局域网语音质量的平均意见得分.分析结果表明:播放算法在网络条件无法确保最优的情况下,对语音质量的影响很大.     

听觉计算模型在自动语音识别中的作用

听觉系统是语音信号处理过程不可分割的组成部分,听觉计算模型对自动语音识别研究具有非常重要的意义.简要评述了听觉计算模型近30年的研究进展,特别是近些年的研究成果,并指出听觉计算模型未来研究的主要方向.     

语音相位听觉特性在正弦模型语音编码中的运用

通过分析语音相位的听觉特性,把这种听觉特性运用到基于正弦模型语音编码合成元音的相位处理中,只通过幅频信息和少量的原始相位信息来合成重建语音信号,仿真实验结果表明这种方法能改善合成信号中帧与帧之间的不连续性,使帧与帧之间能平滑过渡,能增加语音自然度,提高语音的合成质量。     

对Itakura语音失真测度的改进

提出了一种对Ｉｔａｋｕｒａ 语音失真测度的改进方法——感知谱失真（ＰＳＤ） 测度方法,该方法通过模拟人的听觉特性把语音短时谱转变为符合听觉特性的感知谱,再以感知谱为基础,结合Ｉｔａｋｕｒａ 测度的优点来度量语音失真程度．通过对不同质量的语音信号进行仿真实验以及与Ｉｔａｋｕｒａ 测度方法作对比实验,结果表明ＰＳＤ测度克服了Ｉｔａｋｕｒａ 测度的不足,与语音质量的主观评价一致性较好,特别是在语音失真程度较大时ＰＳＤ测度明显优于Ｉｔａｋｕｒａ 测度．     

对Itakura语音失真测度的改进

提出了一种对Ｉｔａｋｕｒａ语音失真测度的改进方法－感知谱失真（ＰＳＤ）测度方法，该方法通过模拟人的听觉特性把语音短时谱转变为符合听觉特性的感知谱，再以感知谱为基础，结合Ｉｔａｋｕｒａ测度的优点来度量语音失真程度。通过对不同质量的语音信号进行仿真实验以及与Ｉｔａｋｕｒａ测度方法作对比实验，结果表明ＰＳＤ测度克服了Ｉｔａｋｕｒａ测度的不足，与语音质量的主观评价一致性较好，特别是在语音失真程度较大时ＰＳ     

引入包分析的E-Model语音质量评价模型改进

为了能够更加准确地评价语音包丢失对基于IP的语音传输(voice over internet protocol,VoIP)的语音质量的损伤,对ITU-T G.107建议书提出的语音质量预测模型E-Model中计算丢包与编码造成的损伤Ie-eff的方法作出改进,在综合考虑语音包的内部特性和存在突发连续丢包情况后,提出利用在固定语音长度下,语音实际损失时间Tloss来衡量语音包丢失造成的语音损伤.仿真结果表明,相比原有模型,改进后的模型得到的语音质量评分同主观语音质量评估方法(perceptual evaluation of speech quality,PESQ)评分相比,皮尔森相关系数平均提高了0.045 8,均方根误差平均降低了0.053 4,改进后的E-Model模型在评价语音质量时与PESQ更具有一致性,可以更为准确地预测VoIP通信的语音质量.     

一种基于听觉模型的抗噪语音识别特征提取方法

提出了一种新的语音识别特征提取方法。该方法是建立在听觉模型的基础上,通过计算语音的上升过零率作为频率信息并通过非线性幅度加权相结合来获取语音特征。仿真实现了中小词汇量、孤立词的语音识别,得到了较好的实验结果,证明了此方法具有较强的抗噪声性能。     

融合MFCC和LPCC的语音感知哈希算法

为了提高语音感知哈希算法的鲁棒性和识别小范围篡改定位的能力,利用人类听觉模型提出了一种语音感知哈希算法.该算法基于人类听觉特性,首先对倒谱系数MFCC算法每帧的滤波器数量进行控制,得到每帧语音的梅尔频率倒谱参数;其次对自适应梅尔倒谱系数MFCC参数和语音LPCC系数进行融合,并采用分块方法对特征矩阵进行处理,对特征块进行2DNMF分解运算,降低特征矩阵的复杂度;最后对分解后的系数矩阵进行哈希构造,得到语音感知哈希串,利用哈希匹配实现语音认证.结果表明:该算法可以有效提高哈希认证的鲁棒性,并能够实现语音小范围篡改定位功能.     

语音信号中相位信息的听觉感知研究

通过主观听觉测试实验，研究了语音信号中相位信息对人的听觉感知的影响．实验结果表明，保持语音信号的幅度谱不变，在改变其相位谱时，只要重建信号在时域中的包络不变，重建语音和原始语音就不存在主观听觉上的差异．重建语音的听觉感知效果主要取决于附加相位对频率的导数的起伏幅度．重建语音中不同频率分量之间的最大相对时移决定语音感知的质量，当最大相对时移小于10ms时，语音感知质量最优；只要相位失真带来的不同频率分量之间的最大相对时移小于20ms，就不会影响对连续语音的正常理解．     

基于改进基音跟踪算法的单通道语音分离

基于计算听觉场景分析(Computational Auditory Scene Analysis,CASA)的语音分离系统通过模拟人耳的听觉感知系统对混合信号进行处理并分离出感兴趣的目标语音,近年来得到了很大的发展。如何在干扰噪声存在的情况下进行正确的基音提取跟踪一直是CASA系统研究的重点。提出了一种基于目标语音源的改进基音跟踪算法。该算法通过对目标源估计和基音检测两个步骤的反复迭代计算,得到最终的基音轨迹。通过在不同噪声干扰条件下与传统基音跟踪算法对比的实验结果证明,该算法能够有效地抑制噪声,提高输出语音的信噪比和语音质量。     

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。     

基于听觉模型的自相关谱语音信号的重构

研究如何从听觉模型的自相关谱中恢复出原始的声音信号.从短时自相关函数中得到原始信号的傅立叶变换的幅度值,然后利用迭代算法仅从傅立叶变换的幅度值中恢复语音信号.     

一种分层阈值优化的语音感知小波去噪方法

通过分析含噪语音信号的特点,引入能够兼顾人耳听觉特性的听觉感知小波变换,构造了新的小波阈值函数,并对小波变换分解后的阈值进行基于微粒群算法的分层优化.仿真实验表明,该方法在不同信噪比条件下均具有较好的去噪性能,语音的可懂度和听觉效果得到有效提高.     

采用聚类神经网络与分离输出语音重构的语音分离算法

基于听觉现象分析计算模型 (CASA)的基本原理 ,对仅有单通道输入混合语音信号时 ,采用振荡器神经网络 ,提出了一种 CASA计算模型语音分离算法结构 .利用实例说明了算法的具体实现步骤和参数设置 .讨论了该算法结构中各语音听觉感知成分 Segments的聚类过程和对分离输出语音的重构处理部分 ,以及如何采用合适的听觉感知成分聚类规则设计相应的聚类神经网络 ,以完成对应不同输入独立语音源信号的各 Segm ents的聚类 ,从而实现语音分离任务     

采用聚类神经网络与分离输出语音重构的语音分离算法

基于听觉现象分析计算模型 ( CASA)的基本原理 ,对仅有单通道输入混合语音信号时 ,采用振荡器神经网络 ,提出了一种 CASA计算模型语音分离算法结构 .利用实例说明了算法的具体实现步骤和参数设置 .讨论了该算法结构中各语音听觉感知成分 Segments的聚类过程和对分离输出语音的重构处理部分 ,以及如何采用合适的听觉感知成分聚类规则设计相应的聚类神经网络 ,以完成对应不同输入独立语音源信号的各 Segments的聚类 ,从而实现语音分离任务     

基于深度特征学习的藏语语音识别

根据听觉语音学的知识,提出使用稀疏自动编码器在MFCC特征基础上进行深度学习,提取了深度特征模仿听觉神经的稀疏触动信号,有利于HMM模型语音识别精度的提高.实验结果显示,学习到的深度特征较MFCC特征在藏语语音识别正确率方面有明显提高.