含语音增强模块的i-向量说话人识别性能分析

为解决文本无关说话人识别中训练与识别环境不同导致模式失配的问题,提出了一种采用语音增强模块进行前端预处理的i-向量说话人识别系统,从而提高系统对于环境噪声的鲁棒性.为评估不同语音增强算法的性能,利用NIST08核心测试集进行仿真实验.采用IMCRA算法对语音进行噪声估计后,分别用维纳滤波法、MMSE-LSA、传统谱减法和多频带谱减法等4种方法进行语音增强前端处理,在基于i-向量的说话人识别系统下进行实验.实验结果表明采用了语音增强的系统具有一定抗噪声性能,并且在高信噪比条件下,基于多频带的谱减法在此系统下性能最佳,而低信噪比情况下MMSE-LSA算法更有优势.     

稀疏线性预测字典在语音压缩感知中的应用

压缩感知理论框架可以同时实现信号的采样和压缩,将压缩感知应用于语音信号处理是近年来的研究热点之一.本文根据语音信号的特点,采用K-SVD算法获得稀疏线性预测字典,作为语音信号的稀疏变换矩阵.高斯随机矩阵用于原语音信号的采样从而实现信号的压缩,最后通过正交匹配追踪算法(OMP)和采样压缩匹配追踪算法(Co Sa MP)将已采样压缩的语音信号进行信号重构.实验考察了待处理语音信号帧的长度、压缩比,稀疏变换字典以及压缩感知重构算法等因素对语音压缩感知重构性能的影响,结果表明,基于数据集训练的稀疏线性预测字典相比传统解析构造的离散余弦变换字典,对语音的重构性能具有0.6 d B左右的提升.     

一种新型多层卫星星座组网设计

随着空间技术需求的不断增多,传统的单层卫星星座组网模式,由于其结构简单,在未来空间技术的发展中受到限制.近年来,采用多层卫星进行星座组网受到业界的普遍关注.鉴于多层卫星星座模型的优点,设计了一种新的基于GEO/MEO/LEO的三层卫星星座模型.本模型充分结合高、中、低轨道各自的优势,以尽量少的卫星数量实现了对地球的全面覆盖,较之传统单层模型更为立体化.最后,通过STK和MATLAB对所提出的多层卫星星座组网模型进行了数字化仿真,从星间链路的长度、链路通信俯仰角以及方位角等方面进行了对比和分析,验证了本模型的合理性和有效性.     

一种应用于文本相关说话人确认的L-向量表示和改进的余弦距离核函数

提出了一种用于文本相关说说话人确认技术的i-向量提取方法和L-向量表示.一段用于注册或识别的语音可以用i-向量和L-向量联合表示.同时提出了一种改进的用于支持向量机(SVM)后端分类的核函数,改进的核函数可以同时区分说话人身份的差异和文本内容的差异.在RSR 2015语料集合1和集合2上验证系统的性能,实验结果显示改进的算法相对于传统的i-向量系统的基线能提高至多30%的识别率.     

基于SVM的X射线天文图像点源探测算法

宇宙中多数天体在天文图像中呈现点状结构,使得针对天文图像点源探测和提取算法的研究成为热点.提出了一种X射线天文图像点源提取算法.首先,利用阈值分割分离部分背景噪声;然后利用峰值检测的方法获得潜在点源的位置和中心亮度;而后,根据X射线图像光谱的特点,提取点源和背景的光谱特征,利用支持向量机(SVM)进行有监督训练获得分类模型;最后,利用该模型筛除潜在点源中的错误探测.设计实验,应用该算法到NGC 4552星系的X射线天文图像的点源探测.相较于参考算法wavdetect,本算法能够达到相同的误差率(约5%),但具有更高的处理效率.