声码器清浊音判决算法优化

为了解决低速声码器合成语音的偶发性嘶哑或变调问题,对参数提取进行改善,采用有监督学习的Fisher判决法,利用多个特征值组成的特征向量为判据;基音周期平滑的准确度在利用了更准确的清浊音信息后大有提高.测试结果表明: 该算法能够大大降低清浊音误判率,减少严重基音周期错误数;应用该算法的SELP(sinuous excitation linear prediction) 2.4 kb/s的PESQ-MOS分优于2.4 kb/s的MELPe(mixed excitation linear prediction)和AMBE (advanced multi-band excitation)算法, DRT(diagnostic rhythm test)分数达95%, 具有良好的可懂度和自然度.     

一种组合参数的语音信号清/浊音判决方法

提出一种基于组合参量的语音信号清／浊判决方法，减小了清／浊单信号特征概率分布的重叠区域，程序设计简练。经计算机仿真表明，与单一参量判决方法相比，其错判率小，抗噪性好。     

采用Fisher分类法实现清浊音判决

采用Ｆｉｓｈｅｒ分类法实现清浊音判决，计算机模拟结果显示，该方法准确率达９７．４＾，优于传统的清浊音判决算法。     

基于组合参数的清浊音判决方法

为了更简单地判决语音信号的清浊专，笔者提出了一种将自相关函数值分别与线性预测及偏相关系数相结合的判决方法，并阐述了各自的特征及相组合步骤；将该方法同过零率法相比较并进行了仿真研究，结果表明组合参数法的误判率低。     

清浊音分段判决的递推最小二乘自适应算法

在"零-能"判决法的基础上,结合递推最小二乘(RLS)对非平稳信号的自适应跟踪能力,提出自适应的清浊音分段算法.算法能够快速实现语音信号清浊音的精确分段,不需要通过样本集训练进行参数调整.其自适应能力是在单一话音样本上实现的,由RLS算法在清音段、浊音段及清浊音段交界处不同的跟踪能力来判别清/浊音段.与基于阈值的方法不同,算法基于极值点的识别,避免各种基于样本集训练的自适应学习算法在泛化能力上的缺陷,对于不同采样率、说话人、音量、背景噪声等变化因素,具有较强的自适应处理能力.     

基于Gauss混合模型的清浊音恢复改进算法

为提高子带清浊音(unvoiced/voiced,U/V)解码端恢复算法在不同能量电平下的鲁棒性,提出了一种改进型能量自适应U/V参数解码端恢复算法。通过跟踪长时能量的变化轨迹,在Gauss混合模型(Gaussian mixed model,GMM)下,用归一化的能量参数和线谱频率参数(line spec-tral frequency,LSF)对U/V参数的分布特性进行估计。测试结果表明:在较低的能量电平下,与用绝对能量对U/V参数进行恢复的算法相比,该能量自适应U/V参数恢复算法能够将清浊音误判率降低10%～25%,并将合成语音的平均意见得分(mean opinion score,MOS)提高0.03～0.09,改善了算法的性能。     

基于粒计算的清浊音检测算法

提出了一种基于粒计算的语音信号清浊音检测算法。该算法利用粒的理论对清浊音检测中用到的8种语音信号的特征参数进行分析,构造决策表,计算得出各参数对清浊音判决的重要度,得到多参数结合的求解最优路径。为进一步提取决策规则,进行多参数清浊音检测提供了基础。     

基于模糊算法的判决神经网络

在判决神经网络（ＤＢＮＮ）的基础上提出了一种基于模糊算法的模糊判决神经网络（ＦＤＢＮＮ）．在网络训练中引入置信度和容噪度的概念,提高了网络分类的稳定性,同时克服了（ＤＢＮＮ）在训练样本混有噪声时学习困难和泛化能力不高的缺点．因ＦＤＢＮＮ在学习时的不均匀性,大大加快了网络训练的时间,提高了训练的效率．实验结果表明,ＦＤＢＮＮ的性能高于ＢＰ网,而且也比ＤＢＮＮ在稳定性和识别率上有了显著的提高．     

码激励线性预测快速算法

对语音编码的两大类即波形编码和参量编码的优缺点进行了分析,重点对码激励线性预测进行了研究.首先提出了感觉加权滤波器的等效变换方法,然后提出了一种码本部分重叠分割法,计算机模拟实验证明,采用上述方法,可以得到很好的合成音质,并使运算速度显著提高。     

SQL Server 2000实现模糊数据的存储与模糊判决

介绍了运用SQL Server 2000实现模糊数据的存储及模糊数据的判决方法，包括模糊关系数据模型的建立，模糊数据的存储方式和模糊判决执行量的确定方法，最后在此基础上用Transact-SQL语言实现了真正意义上的模糊查询。     

SELP 2.4kb/s语音编码算法跳跃帧判决及处理

为解决正弦激励线性预测(SELP)2.4 kb/s语音编码算法中清浊音过渡时合成语音的质量较差的问题,该文利用子带清浊音判决参数量化过程中存在的冗余度,提出了一种跳跃帧判决及处理方法。该方法根据当前帧前后各60个样点的平均能量比值判定当前帧是否为跳跃帧,并利用子带清浊音判决参数量化的冗余度传送跳跃帧信息。解码端根据当前帧是否为跳跃帧对解码端参数采用不同的插值方案。测试结果表明,该方法能够将合成语音的M O S分提高0.004左右。     

声码器基音周期参数抗差错算法

为降低在窄带高误码率信道上语音传输的失真,针对基音参数提出了一种解码端抗差错算法.语音信号的基音周期本身变化比较平缓,在解码端将当前语音帧的基音参数与上一帧的基音参数进行比较,若发现变化超过一定范围, 则认为是当前帧基音参数出错,并对其进行纠错处理.为了防止由于基音参数的重建错误而引起的误码扩散,若上一帧语音进行过纠错处理,则当前帧语音不作纠错处理,直到下一帧语音再跳入恢复算法.实验结果表明: 在1×10-2以上的随机误码率下,采用本文提出的纠错算法后,信道误码引起的声码器基音参数误差能够降低10%以上.     

声码器线谱对参数抗信道误码算法

为降低在窄带高误码率信道上语音传输的失真,针对线谱对参数提出了一种基于信源信道联合特性的声码器线谱对参数抗误码算法.该算法首先对声码器模式信息采用结合长时统计特性的改进最大后验概率算法进行恢复,然后对语音合成质量影响最大的线谱对参数进行基于前向统计概率和分模式加权的最小均方误差准则下的线谱对参数差错后处理.该算法在不消耗任何额外带宽且无算法延时的要求下,可以显著降低线谱对参数谱失真,提高声码器抗信道误码能力和信道误码条件下的合成语音质量.特别在较高信道误码率(5%)下,平均谱失真降低0.3, MOS(mean opinion score)平均提高15%左右.     

一种基于混合MELP/CELP的4 kbit/s声码器

利用混合激励线性预测 (mixed excitation linear prediction,MELP)算法和码激励线性预测(code excitation linear prediction,CELP)算法的优点,提出了一种混合MELP/CELP语音编码模型.编码端对强浊音帧采用MELP编码,对弱浊音帧和清音帧进行CELP编码.MELP编码器采用相位对齐技术提取强浊音帧的相位参数,解决了合成语音与原始语音在时间上不同步的问题.对实现的4 kbit/s混合MELP/CELP声码器进行客观MOS(mean opinion score)值和主观DRT(diagnostic rhythm test)清晰度测试,结果表明,该声码器的合成语音具有较高的可懂度和清晰度.     

基于协同理论的模糊多因素消防安全决策模型

为了选择降低火灾风险的消防安全隐患治理方案,针对消防安全决策具有多因素制约的特征,结合协同理论和模糊数学方法,构建了消防安全隐患治理方案的多因素决策模型。通过确定消防安全隐患治理方案的评选因素及各评选因素的权重,采用消防安全隐患治理方案决策模型获得最优的消防安全隐患治理方案。以苏州市古城区为研究对象,提出了三种消防安全隐患治理方案,采用构建的决策模型进行消防安全决策。结果表明:该决策模型能够反映消防安全隐患治理方案的效果、投资和工期。采用该决策模型优选获得的消防安全隐患治理方案符合古城区区域火灾风险实际,验证了其实用性。     

一种适于改进的LPC声码器的语音特征提取方法

运用了一种较为有效的清、浊音判决方法以及基音平滑方法来提高基音检测的准确性 .减小了基音周期不规则的不平稳语音段基音估计的误差 ,改善了在低速率的基础上合成语音的质量     

住宅建设项目多目标模糊动态规划决策

运用模糊数学建立了住宅建设项目多目标模糊动态规划决策方法,运用这一方法可对住宅小区各组团的容积率进行优选,也可对建设项目选址以及多种建设方案进行优选决策．通过对一具体住宅小区内各组团容积率进行筛选。证明这一数学方法具有实用性和有效性．     

生态护坡方案优选的模糊多准则群决策

针对河道生态护坡的工程特点,提出了一种新的模糊多准则群决策方法求解定性值和定量值相结合的护坡方案优选问题.该方法采用三角模糊数和模糊左右评分法对语言变量进行处理,然后依据TOPSIS的决策思想,分别计算每个方案与正理想点和负理想点之间的距离,以距离正理想点最近同时又距负理想点最远为原则确定最优方案.最后用实例说明了该决策方法的有效性和可行性.