计算机语音信号处理与语音识别系统

对计算机语音处理和对单个数码字识别的实现进行了探讨。根据汉语语音的特点,以汉语单音字作为识别对象,对１０个数码字识别进行了研究和实验。通过观察和分析语音信号的时域特性（主要是短时帧能量、短时过零率和帧能量差）,并把它们应用于语音端点检测,为系统的建立做了基础准备。选用了语音信号的功率谱差的特征,进行了模板的建立与识别实验。测试结果表明,该系统性能较稳定,单个数码字识别率可达９８６％,说话人识别率达到９２２％。     

一种新的鉴别汉语语音信号起止点的有效算法

提出短时能频值（ＥＦＶ）的新概念，设计了用短时能频值的参量来估计语音起止点的新的有效算法，提高了语音信号与背景噪声的分辨力。运用基于短时能频值ＥＦＶ估计语音起止点的算法，研究汉语普通话音素的区别特征，上机计算分析证明了ＥＦＶ门限能够很好地从噪声中分辨出语音信号，有着较好的稳定性和较高的语音－噪声分辨力。     

一种改进的基于短时平均幅度的语音端点检测算法研究

在噪声环境下,利用短时平均幅度为特征进行语音端点检测.文章在传统端点检测算法的基础上,研究了汉语音节的特点,提出采用短时平均幅度代替短时能量,并为平均幅度引入判决门限.门限值是根据语音信号背景噪声自动计算得到,从而保证了算法在噪声环境下检测的准确性.实验结果表明,与传统的基于短时能量的端点检测算法相比,改进的算法在高信噪比和低信噪比环境下都具有良好的性能.     

文本文件的语音识别中音节的自动切分

汉语语音识别中对孤立词、小词汇特定人的语音识别率较高，但对于连续的大词汇量语音识别率较差。把连续的大词汇语音实时自动地切分为单个音节，可以提高其系统的识别率。本文根据汉语语音在能量和频率等方面的特征，找到了短时平均幅度和短时平均过零率的方法来检测音节的端点，从而得到对文本文件中汉语语音的音节自动切分算法。     

汉语语音连接词的分段和识别

本文提出一种汉语语音连接词音节分割方法。根据汉语语音学知识分析了语音分段中的四种音节连接方式,除了短时能量和过零率外在处理鼻辅音连接时采用了预测误差的微分△E和信号能量的微分△E_s两个特征。综合分段算法可以确定语音串中音节的边界。当输入速度为4～5音节时分割成功率达97.5％。我们采用此方法对定人发音的数字串和连接词进行一系列识别实验、识别结果验证了方法是简便和有效的。     

Matlab在语音端点检测系统中的应用

本文讨论了语音识别系统中一项关键的技术--端点检测,采用短时能量和短时过零率相结合的方法来确定语音信号的起点和终点,最后通过Matlab仿真实现结果.     

K-Medoids和FCM融合聚类法语音信号分类的应用

提出针对广播和航空语音信号的f-kmd融合聚类方法,对2种信号语音数据进行分段,提取每段短时语音数据的均值、方差、平均过零率、平均短时能量、归一化峰度和振幅指标等语音信号的基本特征进行归一化处理,利用模糊c均值聚类(FCM)方法对特征数据进行聚类分析,获得短时分段后的语音信号聚类结果,再对分段后的聚类结果整体上进行K-Medoids聚类分析,得到两类信号的聚类中心。实验表明,融合聚类方法能较好地对广播和航空语音信号进行分类,分类准确率较高,结果较稳定。     

基于ARM的网络对讲系统的设计

ARM是一种16／32位低功耗高性能微处理器,能运行实时多任务的32位WindowsCE操作系统．基于ARM／WindowsCE的嵌入式系统已广泛应用于许多不同的领域．介绍了基于ARM的嵌入式系统在网络语音通信中的应用,以及如何为WindowsCE建立开发平台和设计基于ARM11微处理器WindowsCE嵌入式操作系统的应用开发．系统终端使用DM9000网络芯片实现网络信号的传输,采用WM9714实现语音信号的采集和编码,设计了以ARM11嵌入式系统为终端的网络语音对讲系统,并且提供了友好的用户操作界面．     

基于正弦模型的汉语文—语转换系统

针对PSOL气算法会引起频域上的不连续的不足,提出一种汉语韵律调整的新方法。该方法基于语音的正弦模型理论,把每一帧短时语音信号分解为一系列不同幅值、相位和频率的正弦分量,然后进行语速和音高的调整,实验结果证明,合成的语音信号保持了原有语音的清晰度和自然度。将该方法应用于汉语文语转换系统中,得到较好的效果。     

基于梅尔频率倒谱系数与短时能量的低信噪比语音端点检测

低信噪比环境下语音信号的端点检测在语音识别与通信等领域具有重要意义,目前低信噪比环境下的端点检测还存在效率低、识别率不高等问题.本文在分析梅尔频率倒谱系数(MFCC)和短时能量在端点检测中应用的基础上,提出将MFCC前三维度分量相加(MFCCa),再与短时能量相除(梅尔能量比)作为语音特征参数的语音端点检测测度,最后利...     

基于DSP实现语音端点检测

介绍了一种以DSP芯片为核心的语音端点检测模块，用于有线／无线自动转接设备。该模块的语音端点检测算法应用短时能量、短时过零率和短时自相关语音特征参量进行联合检测，达到了比较满意的端点检测效果。该模块应用于系统中能够实现通话方语音对通话过程的自动控制。     

一种利用多参数进行实时语音边界检测与音节分割算法

在对语音信号5种特征参数:短时能量、平均过零率、相对能频比、相对能频积、短时自相关函数语音分段效果详细对比的基础上,提出了利用多参数结合进行语音边界检测与音节分割.同时较之当前主流一帧20 ms的处理方式,提出以2.5 ms为一帧处理,确保在20 ms内检测到信号边界,缩小了搜索时间,提高了实时性.     

基于正弦模型的汉语普通话语音分析合成方法

针对PSOLA算法会引起语音频谱的不连续,从而影响合成语音的质量,提出了一种基于正弦模型的汉语普通话语音基音同步分析和合成算法.首先,将连续的语音信号在时间轴上分为一帧帧短时信号,再把每一帧短时语音信号分解为一系列不同幅值、相位和频率的正弦分量,然后根据频率匹配的原则,对相邻两帧信号的幅度和相位进行插值,得到合成信号的正弦分量的幅值和相位,最后将各正弦分量相加,就得到了合成的语音信号.实验结果证明,该方法合成的语音信号的各个正弦波分量的相位和幅值均能平滑过渡,从而可以克服PSOLA算法带来的回声效应,有助于提高合成语音的自然度.     

智能IC卡热量表的研制

本文以MITSUBISHI(M38223)8位微处理器为例,介绍了智能IC卡热量计量表的系统组成及工作原理.该表用于以热水为介质的供暖系统,结合IC卡技术及后台管理软件,方便地实现了供热取暖系统中的科学计费及控制功能.     

语音信号端点检测方法研究

介绍了语音信号的3种端点检测方法.即能量过零率检测方法、基于频带方差的检测方法和语音短时信息熵检测方法,并对3种方法的优缺点进行分析.     

应用倒谱特征的带噪语音端点检测方法

传统的语音端点检测方法以信号的短时能量、过零率等简单特征为判决特征参数。这些方法在实际应用中,尤其当信号噪比比较低时,无法满足系统的需要。文中利用语音信号的倒谱特征作为判决抽样信号帧是否为语音信号的依据,并提出了倒谱距离测量法和循环神经网络法,通过对宽带噪声－白噪声干扰情况和一种特殊噪声－汽车噪声情况的实验,发现倒谱特征参数的语音信号端点检测方法在噪声环境下具有传统的能量方法无法比拟的优越性,更适     

语音端点检测方法的研究

端点检测是语音信号处理过程中非常重要的一步,它的准确性直接影响到语音信号处理的速度和结果。研究了短时能量、短时幅度差、短时过零率和短时过门限率的语音端点检测算法,并对短时过零率、短时过门限率在有无噪情况下的检测效果做了分析和比较。     

语音信号处理中双门限端点检测算法的改进

语音信号识别系统预处理阶段中一个关键步骤是语音信号的端点检测,其精准性直接决定了整个语音识别系统的识别效果. 传统的短时能量和短时过零率双门限检测法中后端点检测存在偏差,且在有噪声的情况下鲁棒性较差. 从动态阈值、短时平均过零率、端点修复、动态检测等方面入手,改进了双门限检测法. 优化了的端点检测算法,使得语音识别系统能够更精确地识别和提取语音,减少了语音识别时间,提高了识别率. 进一步将无用信号和语音信号完全分离开来,有利于后续语音识别的研究.     

应用倒谱特征的带噪语音端点检测方法

传统的语音端点检测方法以信号的短时能量、过零率等简单特征作为判决特征参数.这些方法在实际应用中,尤其当信号信噪比比较低时,无法满足系统的需要.文中利用语音信号的倒谱特征作为判决抽样信号帧是否为语音信号的依据,并提出了倒谱距离测量法和循环神经网络法.通过对宽带噪声-白噪声干扰情况和一种特殊噪声——汽车噪声情况的实验,发现倒谱特征参数的语音信号端点检测方法在噪声环境下具有传统的能量方法无法比拟的优越性,更适合于实际应用.     

离散时间域的Gabor谱分析及其在语音处理中的应用

把Ｇａｂｏｒ谱应用于离散时间域，对典型信号进行处理和分析，并与短时傅里叶变换和离散Ｗｉｇｎｅｒ分布相比较，证明了离散Ｇａｂｏｒ谱不仅在时频域具有和离散Ｗｉｇｎｅｒ分布相同的高分辨率，优于短时傅里叶变换，而且能有效地消除离散Ｗｉｇｎｅｒ分布中交叉干扰的影响．文中还进一步应用离散Ｇａｂｏｒ谱，对汉语语音信号进行了处理，结果表明它可以较好地描述语音信号频谱的时变特性，为语音识别和话者识别开创了一种新的途径．