物元模型及其在岩爆分级预报中的应用

采用可拓评判方法 ,根据影响岩爆的一些主要因素 ,应用物元概念和关联函数 ,建立了岩爆分级预报的物元模型 ,对岩爆的发生与否及烈度进行预测 .针对国内外一些岩石地下工程实例进行分析、计算 ,结果与实际情况符合的很好 ,说明该模型在岩爆分级预报中有良好的应用前景.     

用于说话人鉴别的特征组合方法(英文)

线性预测系数(LPC)与mel倒谱系数(MFCC)作为说话人识别的两种常用特征,取得了较高的识别率.但这两种特征都存在维数限制的问题,即当特征维数增加到一定程度时,识别率不再提高.该现象可以从机理方面解释,实验数据也表明了这一现象.本文试图用特征组合方法克服这种限制,实验表明,在无噪和噪声情况下,特征组合都表现出其有效性.     

一种适用于远程电话音识别的自适应建模方法(英文)

在大多数的说话人识别系统中,需要首先建立一个说话人无关的模型,这种模型成为全局模型.然后在实际应用中,采取某种自适应的算法来修改此模型.采取这种说话人无关模型的一个不利之处在于性能会随着应用环境和训练环境差异的增大而大幅度降低.为了修补这种差异,就需要较长的训练时间,使得这种方法不利于比较实时的应用,比如通过电话进行远程说话人识别,在这种情况中需要较快的响应速度.本文中提出了一个利用全局模型并能适用于远程说话人识别的方法.基本思路就是在进行识别时利用以前的模型,然后再系统空闲时采取了一个改进的自适应算法快速重建全局模型.试验结果证明了这种方法是可行的.     

基于GMM的语音帧得分上的重优化

在基于高斯混合模型的说话人鉴别中,对两个模型的整句得分A和B分别做归一化,并不能改变A和B的大小关系,也就是说,归一化与否并不影响系统的识别率.提出了一种基于语音帧得分下的非线性变换,重新调整了测试语句对各个模型得分的排序结果,在不影响原有正确识别的前提下,使原本被误识的部分语句得到确认.用138人的YOHO语料库做的实验,相对误识率降低了44.17%.     

支持向量机的聚类补偿研究

主要研究支持向量机方法与聚类算法的配合问题.支持向量机的训练代价太大,如果直接把成千上万个特征向量直接用作训练,运算时间难以忍受.采取的策略是用聚类算法获得较少的聚类中心,然后将聚类中心作为支持向量机的训练样本.事实上,这样的组合方式有待改进.每一聚类的样本数有多有少,所以每一个聚类中心所体现出来的权重不一样.反映在支持向量机的算法中,改进思路为:在支持向量机的训练中,除了原有点以外,加入人工样本点,人工样本点的位置就是这些原有点之一,各个位置的数量与聚类大小成比例.     

情感语音变化规律的特征分析

为了探索情感语音相对于中性语音的变化规律,该文对实验室采集的中文情感语音库MASC@CCNT进行初步实验分析.首先对语音库进行听辨分析,甄选感情明显的语料,再针对含有兴高采烈、愤怒、惊慌、悲伤等4种情感的语音信号,分析它们的时间构造、能量构造、基频构造和共振蜂构造的特征,并通过和不带感情的平静语音信号特征进行比较,得出了不同情感信号特征的分布变化规律.结果表明:时间构造、频谱、能量、基音频率和元音共振峰这5种特征在分辨情感语音上有着明显的作用,而悲伤情感最易分辨;情感语音的变化没有统一的规律,因说话人的性别而异,甚至因人而异.