基于人工神经网络的汉语数字语音识别系统

利用改进的有序聚类算法得到解决时间规整问题的新算法,在此基础上建立了基于人工神经网络的普通话数字语音识别系统。对基于人工神经网络的算法和基于动态时间伸缩的算法作比较识别实验,结果表明,基于人工神经网络的语音识别算法的识别性能优于传统的动态时间伸缩算法。     

基于听觉模型特征的与文本无关说话人识别系统

基于听觉生理和心理学的感知机理,提出一种适于说话人识别的特征参数提取方法。该方法采用Gammatone滤波器组代替常用的三角形滤波器组计算出语音信号各子带能量,根据等效矩形带宽模型,确定了各个滤波器的中心频率与带宽。同时从语音信号各子频带携带的说话人个性特征信息量角度分析对滤波器子带进行加权处理,最后结合倒谱均值减方法对特征进行处理,最终生成具有较高鲁棒性的特征。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:提出的特征参数对含噪语音的与文本无关说话人识别具有较好的效果,在低信噪比情况下,具有比传统特征参数更好的噪声鲁棒性。     

α-苯乙醇的酶法拆分工艺优化

使用一种重组脂肪酶对乙酸苯乙酯进行选择性水解拆分以得到R-α-苯乙醇.研究首先以选择性和转化率为指标,测定了底物浓度、酶量、缓冲液的浓度和pH、反应温度、摇床转速以及反应时间等因素对拆分效果的影响.结果显示,在最佳条件下,产物R-α-苯乙醇ee达到97.2%,转化率48%.反应液进行过硅胶柱分离后,R-α-苯乙醇的产率为30%,ee值为98%;S-乙酸苯乙酯在碱性条件下水解得到S-α-苯乙醇产率为40%,ee值为85%.