MLP语音信号非线性预测器

讨论了MLP（Multi-Layer Perceptron)语音信号非线性预测器的实现。为了使MLP能够适用于语音信号预测,对MLP的误差准则进行了修正以减轻神经网络模型与语音模型之间的过匹配。为了提高MLP的训练速度,提出了一种线性化逐层优化（LOLL）MLP训练算法。实验结果显示该非线性预测器的预测信噪比约比线性预测器提高2dB,而且它还可以同时完成长时预测器的功能;误差准则修正使非线性预测器的预测信噪比提高了0.35dB。     

语音识别中信号特征的提取和选择

本就语音识别中的各种特征参数的性能,提取算法等进行了分析和比较。根据选择特征参数的主要依据,选择ＬＰＣＣ和ＡＲＡＣ作为基本特征参数和动态特征参数,并应用于一个维吾尔语语音识别系统中,取得了很好的识别结果。     

语音信号非线性特征的研究

随着研究的深入,语音信号的非线性特征逐渐被人们发现,传统的基于分段线性的语音信号处理方法存在局限性,因此用非线性方法对语音信号进行处理对于提高处理质量相当重要。文章介绍了非线性理论在语音信号处理中的一些应用,首先采用延时相图法重构语音的混沌吸引子,然后用分形维数、Ｌｙａｐｕｎｏｖ指数等非线性动力学参数反映语音信号的非线性特征,设计计盒维数算法并行运用于语音分割,最后根据语音信号时域波形分形结构设计     

非线性常微分方程数值解的渐近表示以及应用

对于非线性常微分方程一般不存在解析解,但是通过数值方法发现,有些非线性常微分方程的振荡渐近解是有规律的.因此,可以用最小二乘法等方法对这些数值解拟合出渐近解,在此基础上,再通过理论分析得出更具体的结果,为非线性微分方程的研究提供了一种途径.为了提高计算精度、避免计算过程出现崩溃,我们引入了数值解的函数变换和自变量变换的方法,这也保证了数值结果的可靠性.本文通过对数值解的渐近表示,验证了Painlevé方程振荡渐近解的一些现有结果,并得出一些新的结果.     

基于正弦表示与耳蜗模型的语音分析与合成

本文采用语音信号的正弦表示方法并利用耳蜗模型提取了语音信号的基本物征参数，建立了一个语音分析／合成系统。     

基于随机信号非线性特征的信号体制识别

在信号处理与模式识别相结合的信号体制识别中,利用Ｖｏｌｔｅｒｒａ非线性模型对随机信号进行分析,求解出Ｃａｕｓｓｉａｎ随机过程的输出自相关函数和功率谱密度。通过时域和频域特征提取及二次函数分类,提高识别的准确率和系统的广谱性。     

基于OMP方法的语音信号重构

压缩传感是近年来的研究热点,本文简单阐述了压缩传感（CS）的理论框架,在研究Orthogonal Matching Pursuit（正交匹配跟踪）算法的基础上,探索了其在信号稀疏分解中的应用,实验结果表明基于OMP算法的语音信号稀疏分解具有较好的重建精度。     

一种实时语音信号数字处理系统

文章介绍了 这产时语音信号处理系统硬件电路的原理和功能及其实现方法,设计了ＴＭＳ３２０Ｃ２５与ＴＬＣ３２０４４之间的接口程序。     

语音信号基本载体的研究

语音信号特征的提取是语音识别的基础，目前使用的特征提取方法要将语音信息经多次复杂变换后提取特性。这样，往往满足不了实时性要求。该文对原始语音信号做简单处理，的实验，证明了经简单处理后语间信号波形比原始波形简单，直观，计算频域特征和自相关特征等简单方便，实时性好，并有望从中进一步发现新的语音特征提取方法。     

基于动态小波神经网络的语音信号非线性预测器

提出一种带反馈单元的动态小波神经网络(DWNN)并将其用作语音信号的非线性预测器，分析了DWNN的函数学习能力和对高维函数学习的优越性。由于反馈单元的内部记忆能力，DWNN具有对长时相关的预测能力并能在一定程度上克服小波神经网络的“维数灾难”现象。在对语音信号的预测中，动态小波神经网络预测器的预测性能很好，虽然其预测阶数很低(仅为3)，试验结果表明：DWNN预测器较RNN，RBF更适合于语音信号的非线性预测，而且其计算复杂度相对较低。     

一种抗噪声语音识别方法

本文提出了一种抗噪声语音识别新方法，并以这种方法为基础，在ＳＵＮ工作站上实现了这一系统，实验结果表明，本文提出的方法提高了传统隐马柯夫模型语音识别器的抗噪性能。     

基于谱减法的藏语语音减噪研究

语音信息的采集过程中难免会有各种噪声的干扰,噪声降低了语音的可懂度及清晰度,甚至严重影响语音处理的准确性和可靠性。谱减法是语音减噪中最常用的方法,该方法基于人的感觉特性,对语音短时幅度谱进行估计,适用于受加性噪声污染的语音。本文通过统计分析谱减法的增益补偿因子和过减因子参数,研究基于谱减法的藏语语音减噪处理,并取得较为理想的实验结果。     

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．     

第二类非线性Fredholm型积分方程数值解的超收敛性

本文讨论第二类非线性Ｆｒｅｄｈｏｌｍ型积分方程数值解的超收敛性，以Ｇａｌｅｒｋｉｎ方法为基础建立了该类方程的Ｇａｌｅｒｋｉｎ算法、小波Ｇａｌｅｒｋｉｎ算法以及它们相应的迭代校正格式，证明了两种算法数值解的超收敛性，不仅将Ｈａｍｍｅｒｓｔｅｉｎ积分方程的结果推广到第二类非线性Ｆｒｅｄｈｏｌｍ型积分方程，而且应用小波分析工具得到了更精确的结果．     

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。     

向量小波的构造及其在语音信号增强中的应用

构造了一种新的二进向量小波，借助于ｒ 重多分辨分析思想，给出了向量小波的离散化表示及其分解、重构的快速算法，以浮动阈值进行信号去噪，获得了一种新的语音信号增强算法，实验结果表明：此种算法可使得信号中的加性噪声几乎完全消除，重建后的波形又保留原信号中尖锐陡峭变化的曲线轮廓，效果颇佳．     

一种改进的混合型语音识别方法

提出了一种改进的ＨＭＭ语音识别方法，其主要特点是引入了加权函数算法，以减少系统的误识率，实验结果表明，这种识别方法不仅能提高系统的识别率，而且所需训练样本少。