汉字识别中声旁与整字语音激活的相对优势

以声旁位于右半边且独立成字的汉语左右结构合体字为材料 ,操纵汉字的规则性和命名作业的类型 ,利用命名整字和命名声旁两种命名作业中的规则性效应 ,分别测量声旁语音对整字语音激活的干扰和整字语音对声旁语音激活的干扰 ,在此基础上考察了整字与声旁语音不一致时 ,两种语音相互竞争和干扰的情况。结果发现 :(1)高频字整字语音干扰声旁语音激活 ,但声旁语音并不干扰整字语音激活 ;(2 )低频字整字语音干扰声旁语音激活 ,声旁语音也干扰整字语音激活 ,其中整字语音对声旁语音激活的干扰更明显。这些发现表明 ,高频字整字语音的获得明显快于声旁语音的获得 ,低频字整字语音和声旁语音尽管可能是同时获得的 ,但是 ,整字语音的激活水平要高于声旁语音的激活水平。     

语音识别和说话人识别中各倒谱分量的相对重要性

采用增减特征分量的方法研究了MFCC各维倒谱分量对说话人识别和语音识别的贡献。使用DTW测度,在标准英文数字语音库上的实验表明,最有用的语音信息包含在MFCC分量C₁到C₁₂之间,最有用的说话人信息包含在MFCC分量C₂到C₁₆之间。MFCC分量C₀和C₁包含有负作用的说话人信息,将其作为特征会引起识别率的降低。低阶MFCC分量较高阶分量更容易受加性噪声和卷积噪声干扰。     

手写印刷体汉字识别中特征及提取方法的改进

通过对汉字整体结构的分析及描述，在传统的特征点基础上，我们双提出了一种新的特征点，并对常用的特征点判别方法进行了改进。这种方法可以应用于印刷汉字及允许一定变形的手写体汉字，经实验表明，提取精度较高。     

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。     

汽车噪声中自动语音的识别技术

汽车中的话音拨号系统是自动语音识别技术的应用热点．自动语音识别系统是一个基于训练的系统．在汽车噪声中,由于实际应用环境与形成系统参数的训练环境的失配,传统语音识别系统的性能会大幅度地下降,从而无法实用．为了提高语音识别系统在特定环境下的识别率及实用性,首先根据汽车环境中语音的失真模型分析了系统性能下降的原因,然后针对加性汽车噪声与信道失真对系统的影响,讨论了在汽车噪声中改善语音识别系统性能的方法．提出了在识别系统中用基于子带的语音增强算法和倒谱均值相减算法相结合的方法．对大量的多人连续数字串语音的识别实验表明,这一方法大大提高了系统在汽车噪声环境中的识别率,它还可以简便、实时的实现,具有一定的实用性．     

语音识别中改进viterbi算法的研究实现

为了不影响语音识别系统的识别率,而又能有效的降低系统的计算量,本文采用了改进的Viterbi算法,即Viterbi-Beam算法以减少原Viterbi算法中的冗余状态,同时保证差错率无明显提高.我们通过对此算法的仿真表明,在相同语音识别系统的环境下,改进Viterbi-Beam算法可以更有效地提高计算速度,且算法性能与原Viterbi算法相似.     

语音信号识别中时间规整的概率方法

本文从最大后验概率估值的角度讨论了语音信号识别中的时间规整问题,讨论了由此导出的方法与常用的动态时间规整方法之间的关系,并对这一方法的普遍意义及其在语音识别中的应用提出了看法。     

语音识别中基于MCE准则的CHMM学习方法

研究了用于ＣＨＭＭ的ＭＣＥ学习方法,提出了简单形式的识别函数、误差函数、扣池数等的定义方法以及总损失函数的最小化方法。通过对非特定人汉语连续语音识别实验,证明了提出了的函数形式和损失函数最小化方法对ＣＨＭＭ的ＭＣＥ学习的有效性。     

随机轨迹模型中汉语连续语音识别基元的选取方案要

在比较各种汉语语音识别基元的基础上,结合汉语语音和随机轨迹模型的特色,提出了以音素类单元作为汉语连续语音识别系统的识别基元,基于音素基随机轨迹模型的汉语连续语音识别系统的实验结果表明,该方案可行。     

语音识别中基于模糊聚类分析的参数聚类

为减少语音识别中声学模型的参数量，提高参数训练的鲁棒性，基于声学决策树结构，提出利用模糊聚类分析方法对模型参数聚类，包括高斯聚类和方差共享．对大词汇量汉语连续语音识别的实验结果表明：高斯模糊聚类使高斯数减少25％时，识别率提高了0．15％．进一步做模糊方差共享，当方差减少到初始模型的24％，与同样参数量的未进行聚类的模型相比，误识率下降了3．01％，证明了模糊聚类分析在语音参数聚类中的有效性．     

语音识别中隐马尔可夫模型状态数的研究

该文从信息论的观点出发,对语音信号的隐马尔可夫模型（ＨＭＭ）的状态数进行研究,建立了ＨＭＭ的状态数研究的简化模型,指出ＨＭＭ的信息熵是由语音信号的固有熵和附加熵组成。随状态数增加,信息熵趋向固有熵。最后,在综合考虑信息熵和运算量两方面因素情况下,得出了状态数宜在６￣８之间的结论。     

汉语连续语音识别中上下文相关的声韵母建模

声学建模是汉语连续语音识别中的关键步骤之一。根据汉语语音的特点,采用扩展声韵母(XIF)作为识别基元,并针对XIF基元设计了相应的问题集,利用基于决策树的状态共享策略建立上下文相关声韵模型(Tri-XIF)。将Tri-XIF模型与上下文相关音素模型(Tri-phone)、上下文无关音节模型进行了对比。提出了几种方法用于改善标注、改进问题集和降低模型规模。实验结果表明,Tri-XIF模型与Tri-phone模型、音节模型相比,识别性能有了很大提高,其音节误识率分别降低了24.53%和41.65%。采用了所提出的优化策略后,模型规模降低20%以上,而性能下降很少。     

嵌入式语音识别中一种高效的图搜索算法

为了满足超大词表语法的识别任务在嵌入式语音识别系统上的应用,提出了一种高效的双层图搜索算法.该算法通过分离声学层和词法层来构建2层图搜索空间,其中声学层记录声学模型相关信息,词法层记录词表语法信息.利用这样简洁的搜索空间可以使语音识别的解码过程更加紧凑有效.在对比实验中,传统的基于前缀合并的状态树搜索算法的大词表嵌入式单词拼读系统作为基线系统.实验结果表明,与基线系统相比,所提出的双层图搜索算法在系统解码速度相对提高10%的情况下,系统的动态内存占用仅为基线的8%.通过使用所提出的双层图搜索算法,大大提高了大词表嵌入式单词拼读系统的效率,使其更适用于大多数嵌入式平台.     

语音识别中HMM与自组织神经网络结合的混合模型

基于隐马尔可夫模型和自组织神经网络模型提出了一种用于语音识别的混合模型,给出了训练调整权向量的算法,实验结果表明其在语音识别中具有很好的性能·     

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。     

语音识别中基于两层词法树的跨词搜索算法

为了在连续语音识别过程中充分并且高效地使用上下文相关声学模型,提出了一种新颖的基于两层词法树的跨词搜索算法.采用两层词法树来表示搜索空间,解决了现有单层词法树的规模爆炸问题,使其有能力在词边界搜索中高效地使用上下文相关声学模型进行匹配,充分发挥上下文相关声学模型较好地描述协同发音现象的能力.实验结果表明,与词内搜索算法相比误识率平均下降60%,搜索时间达到实时,证明基于两层词法树的跨词搜索算法具有很好的识别性能.     

电话交谈语音识别中基于 LSTM-DNN 语言模型的重评估方法研究

近年来,神经网络语言模型的研究越来越受到学术界的广泛关注.基于长短期记忆(long short-term memory,LSTM)结构的深度神经网络(LSTM-deep neural network,LSTM-DNN)语言模型成为当前的研究热点.在电话交谈语音识别系统中,语料本身具有一定的上下文相关性,而传统的语言模型对历史信息记忆能力有限,无法充分学习语料的相关性.针对这一问题,基于LSTM-DNN语言模型在充分学习电话交谈语料相关性的基础上,将其应用于语音识别系统的重评估过程,并将这一方法与基于高元语言模型、前向神经网络(feed forward neural network,FFNN)以及递归神经网络(recurrent neural network,RNN)语言模型的重评估方法进行对比.实验结果表明,LSTM-DNN语言模型在重评估方法中具有最优性能,与一遍解码结果相比,在中文测试集上字错误率平均下降4.1％.     

两耳分听汉字测验中大脑机能优势加工的超日节律效应

对３２名听力正常的大学生被试在日间进行连续８ｈ汉语单字词两耳分听测验,以检查大脑两半球加工汉字语音机能优势的时间性动态变化。结果发现：①所有被试左、右耳正确报告的词数未见有明显的周期性波动;②有１２例被试左、右耳正确占先报告词数的优势比出现了周期约为３ｈ的超日节律;③女性被试的平均节律周期长度明显长于男性。结果提示,大脑两半球控制的分听语词加工过程在部分被试中明显受到生物钟超日节律的调节。