基于支持向量机的抗噪语音识别

阐述了支持向量机的分类机理,采用改进的MFCC语音特征参数,用基于不同核函数的支持向量机(SVM)作为语识别网络,对SVM多类分类问题采用"一对一"分类算法,实现了一个孤立词非特定人中等词汇量的抗噪语音识别系统。通过实验,得到了不同核函数下的识别结果;分析了核参数和误差惩罚参数对SVM推广能力的影响,并将实验结果同基于RBF神经网络的识别结果进行了比较。     

基于Kinect的中国手语识别

基于微软Kinect提取的深度图像信息,提出了一种新的中国手语识别方法。该方法首先利用Kinect获取人体主要骨骼的3D坐标和手的3D坐标;然后根据中国手语的手型、手的位置和手的方向3个主要构造成分,分别采用DBSCAN和K-means聚类算法获取手语特征中的手的位置基元和方向基元,提出一种结合CLTree和Attribute bagging聚类集成方法提取手型基元;最后将这3类基元进行组合采用模板匹配方法识别中国手语。通过对选取的72个中国手语进行识别实验,平均识别率为90.35%,实验结果说明了方法的可行性。     

基于语音识别的救援机器人听觉导航方法

在发生火灾或地震的建筑物内,由于烟雾或墙体倒塌等原因,救援机器人往往无法通过视觉、超声和红外等传感器直接发现建筑物内不可见区域或者其他房间中呼救的目标.利用声音信号波长较长可以衍射绕过障碍物传播的特性,结合现有的语音识别技术,开发出基于听觉的救援机器人导航系统.该系统使机器人可以在全局运动控制中跟踪幸存者的呼救声并向幸存者移动.通过相关实验验证了基于听觉的救援机器人导航方法的可行性.     

基于SPCE061A机器人假肢语音识别控制系统

本文介绍了一种基于SPCE061A单片机机器人假肢语音识别控制系统,给出了该控制系统的设计原理以及硬件和软件设计。语音识别控制是由SPCE061A单片机进行语音命令的训练与识别,然后控制相应的驱动器,进而控制相应的电机。控制系统实现了机器人假肢上肢的抬起、下落,前肢的内转、外转、弯曲、伸开,手部的上仰、下附、张开、闭合等动作。基于SPCE061A单片机的机械人假肢语音识别控制系统稳定性好,性价比高,易于扩展。     

一种基于奇异值分解的带噪语音识别方法

提出了一种抗噪声的语音识别方法,用于训练和用于测试的语音信号在提取特征之前,均需经过相同的奇异值分解滤波,本文还提出了一种滤波参数的选取方法,实验证明,采用这种方法可以大幅度提高传统隐马尔可夫模型语音识别系统的抗噪声性能。     

基于微信号增强的机器人远距离语音识别仿真

由于噪声信号的干扰,导致机器人难以实现对微弱信号的远距离语音识别,影响最终的识别效果.为此,本文提出基于微信号增强的机器人远距离语音识别仿真研究.首先采用谱减法对微信号进行增强处理,由于语音信号中噪声功率谱具有一定的稳态属性,可估算出噪声的功率谱,再利用谱减计算求出纯净语音的功率谱,对傅里叶变换后的各个相位信号进行差异化赋权后,再对去噪功率谱进行拟合,完成对信号相位的恢复.在语音识别阶段,将增强后的原始语音信号分解为若干个独立的语音帧,在梅尔三角滤波器组中提取语音信号的Mel频谱参数,将其与语音频率之间的关系作为识别特征参数,最后利用梯度下降算法,在损失函数的约束下匹配与识别特征拟合度最高的内容,实现语音识别.仿真测试结果表明,本文提出的设计方法在噪声、不同信噪比、不同测试距离下对语音的识别率均达到了95.00%以上,与对照组相比具有更好的识别效果.     

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。     

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.     

基于扩展谱相减与SAP的带噪语音端点检测

为提高低信噪比时带噪语音端点检测的性能,提出了一种将扩展的谱相减法与SAP(Speech AbsenceProbab ility)软门限相结合的方法。采用基于噪声补偿结构的扩展谱相减法,通过使用自适应的判决规则,在不需要进行语音激活检测的情况下有效地去除了背景噪声,克服了单麦克输入时无法在语音段对噪声进行估计的缺点。同时采用非语音段概率SAP软门限,直接对增强后的语音信号进行检测,有效提高了语音段起止端点检测的精确度和可靠性。实验结果表明,该方法比短时能量方法的计算效率高,在信噪比为-10 dB时仍能完成端点检测。     

时频结合的带噪语音端点检测方法

提出了一种时频结合的带噪语音端点检测方法。选取时域短时能量和频域熵构成一个新的特征,采用自适应门限进行端点检测。实验结果表明该方法在低信噪比环境下较传统方法提高了端点检测的准确率,鲁棒性较好。     

一种抗噪孤立字语音识别模型

论提出一种连续隐Markov模型和BP神经网络相结合的,具有两次辨识过程的抗噪孤立字识别模型,首先以连续隐Markov模型完成语音信号的时序建模并提供一次识别信息,以BP神经网络进行后处理,提取二次识别信息,识别结果由两次识别信息共同决定,实验证明,由于有效地利用了隐Markov模型的强时序信号处理能力和BP神经网络的强模式分类和泛化性能,这种识别模型明显地改善了孤立字识别系统的抗噪性能。     

基于加权组合过零峰值幅度特征的抗噪语音识别

基于人耳听觉特性提出一种新的抗噪音识别特征:加权组合过零峰值幅度特征,是对过零峰值幅度特征的一种改进。加权组合过零峰值幅度特征以语音数据和差分语音数据作为处理对象,通过计算它们的上升过零率获得频率信息,经幅度非线性压缩获得密度信息,并根据人耳对声音的感知特点对其进行加权,形成最终的输出特征,识别网络使用HMM。仿真实现了使用新特征与原特征的算法识别结果,证明了新特征具有较高的识别率和优良的抗噪性能。     

基于Kinect的原地太极拳辅助训练系统

为促进太极拳教学训练的科学化、规范化,提出并设计了基于Kinect运动捕捉技术和角度、速度特征提取的太极拳辅助训练系统,应用动态时间规划算法(DTW)采样对应帧,替代传统等间隔采样关键帧的方法。系统由学习模块、动作采集模块和动作评分模块组成。学习模块配有标准动作教学视频,能够满足学员学习要求;动作采集模块采用微软开发的Kinect设备,针对原地太极拳动作中人体骨架的20个关节的空间坐标进行数据采集,然后经过滤波降噪及遮挡点数据处理后进行骨架数据保存;评分模块以8个关键关节点的16个角度特征和20个关节点的瞬时速度特征为基础构建测试序列,通过与标准序列进行实时对比计算,根据预设的评分规则实现评分功能,并为学员提供直观可靠的训练建议,从而提高学员的学习效率。通过增加传感器数量,进一步设计和优化数据融合及滤波算法,配合微软推出的Kinect2.0版本,该系统也可推广应用于医疗康复训练、体育训练动作分析及评估、虚拟现实人机交互等多个领域。     

基于稀疏编码和ICA的带噪混叠语音盲分离

主要介绍了采用稀疏编码去噪技术对带噪观测混叠语音分别进行预消噪处理,然后再利用ICA盲分离算法对稀疏编码去噪后的混叠语音进行分离,从而得到各个语音源信号的估计．计算机仿真结果表明这种方案具有很好的分离效果．     

一种改进的基于小波去噪HMM非特定人语音识别算法

在HMM算法的基础上引入了小波去噪理论,从而提高了原始语音的信噪比和最终识别率.由于分别对每段语音去噪并进行端点检测,大大降低了运算量,因而减少了训练时间,达到了较好的识别效果.通过与DTW算法的对比,证明了改进的HMM算法在非特定人语音识别中的良好效果.     

基于 Kinect 的矿井人员违规行为识别算法研究

由于煤炭生产的特殊性与危险性,煤炭生产过程中安全事故常有发生,其中人为因素占极高的比例,因此研究矿井工作人员的违规行为十分必要.针对人体行为识别中传统的动态时间规整算法经常出现的奇异点和时间复杂度问题,提出一种分段线性逼近结合自适应权重动态时间规整算法.对该算法进行了仿真以及实验,该算法在SDU Fall Dataset数据集的平均识别率达到了95.33%,平均识别时间减少了46.47%,在煤矿井下使用该系统进行测试,结果表明所提出的算法在识别速度和准确率上均有一定程度的提高.     

基于Kinect的人体三维动作实时动态识别

针对传统的二维图片动作识别算法识别率相对不高、实时性不强的问题,文章提出一种三维的人体动作实时识别的方法。该方法首先通过Kinect获取人体三维骨骼数据,然后对骨骼数据信息采取归一化的方法进行数据对齐的预处理,使得与实时数据与标准数据的角度阈值和距离参考值统一。最后与标准动作采用多特征融合的识别算法对动作进行识别与匹配的方法,并在此基础上改进基于关节点角度的动作识别方法。实验结果表明,文章方法运行速度较快,可有效消除角度测量不稳定以及距离测量无法检测方向上的差异造成的动作匹配不准确。满足三维动作识别的实时性、鲁棒性强。     

基于Kinect传感器深度信息的动态手势识别

提出了基于Kinect传感器深度信息的动态手势识别方法,在预处理阶段通过OpenCV快速跟踪手部,有效分割手势.为改进动态手势轨迹的提取和分类,引入隐马尔可夫模型(HMM)对手势轨迹进行训练和识别.实验结果表明,基于HMM的识别方法对具有时空特性的动态手势有很高的识别率,在不同光照和复杂背景下有鲁棒性的结果.     

基于Kinect体感识别技术的研究与实现

Kinect作为一个体感周边外设,不仅改变了用户的娱乐体验,更为用户与机器的交互提供了全新的方式。本论述将介绍以Kinect作为用户交互界面的姿势控制飞机漫游系统,该系统将Kinect的交互特性应用到漫游系统中,显著的增强了用户体验。通过本系统的开发,将对基于Kinect的拓展应用进行一次完整实践,对基于Kinect拓展应用的发展起到积极的作用。     

机器人自身噪声环境下的自动语音识别

当机器人移动身体任何部位时,都会不可避免地产生自身噪声。这些自身噪声由身体关节或其他硬件设备如风扇等引起。由于自身噪声距离机器人麦克风较近,较目标声源更容易被获取。该文根据机器人自身噪声种类,提出了一种将谱减法、关节噪声模板减法、基于标注区域的倒谱均值减法以及多条件训练相结合的方法,从而估计和抑制自身噪声。一系列实验证明了所提出的方法可以有效地减少自身噪声影响,提高语音识别的鲁棒性。