一种基于改进CAMDF的进动周期估计方法

针对基于RCS序列估计进动周期出现加倍误判的问题,首先分析弹道中段进动目标RCS序列的统计特性及其周期性特点,然后通过理论分析指出以周期长度采样的样本集合之间必然具有相似性的假设是传统AMDF函数产生加倍误判问题的主要原因,最后分析并证明了当序列长度不等于周期的整数倍时,CAMDF函数具有克服加倍误判问题的特性,提出一种基于改进CAMDF的进动周期估计方法。仿真实验表明,该方法能够有效克服周期估计中的加倍误判问题。     

一种改进的基音检测算法

提出了一种改进的基音检测算法,通过最小化重建谐振峰与原始谐振峰之间的误差得到最佳的基音估计。在基音估计中引入误差控制因子以得到无偏的误差函数,同时对基音轨迹跟踪技术作了改进,以保证基音轨迹的正确演变。实验结果表明,与ＩＭＢＥ标准中的基音检测算法相比,该方法能够提供更正确且平滑的基音轨迹,尤其在过渡段能有效地跟踪快速基音变化,从而使重建语音具有更好的连续性和主观质量。     

一种有效的语音基音周期提取算法

语音信号处理中精确提取特定语音的基音周期有重要的意义．采用了一种有效方法，即在浊音中用段内位移匹配的方法提取出基音周期，有效地防止由于一个周期内的2段相似波形被误判为两个周期的情况，同时也防止取到倍周期的可能．实验证实，此方法提取出的基音周期准确，能较好地合成出特定人的语音来．     

一种基于基音周期估计的音频水印算法

提出了一种水印信号与载体信号均为语音的数字音频水印算法．主要由用混沌序列对音频水印加密，基于载体信号基音周期估计确定水印嵌入位置和根据量化步长△确定水印嵌入强度等关键步骤所组成．仿真结果表明，该算法不仅具有较好的透明性，而且也对叠加噪声、低通滤波、重新采样等攻击具有较好的鲁棒性．     

一种改进的MBE基音跟踪算法

通过对基音周期慢时变特性的研究,提出了一种改进的MBE基音跟踪算法．该算法旨在减少运算量,提升基音检测的实时性,将传统的基音跟踪算法改进为前后向各跟踪一帧．仿真实验表明,改进算法与传统算法对基音跟踪均取得了良好的效果,但是新算法计算量大幅度减少,执行速度明显提升．     

一种改进的基于小波变换的基音周期提取算法

基音周期是语音信号重要的参数之一,是进行语音信号数字处理的基础。针对传统自相关提取方法的不足。本文提出了一种小波变换和自相关结合的基音周期检测算法,它克服了小波变换法对某些信号检测时的缺点,在真实语音的基音周期检测中取得了较为满意的效果。     

一种改进的抗噪基音周期检测算法

介绍了一种改进的抗噪性强的基音周期检测算法,该算法利用经典的自相关函数和平均幅度差函数,并将二者相结合.它继承了自相关函数的抗噪特性,并通过能量函数进一步加重基音峰值点,进而提高了在噪声环境下的提取准确度.与传统自相关方法相比,该算法很好地克服了基音半倍和双倍错误.实验证明:这种算法简单易行,又有很好的抗噪性能,在存在噪声的条件下,仍能比较精确地检测出基音周期.     

改进的频域基音检测算法

在语音信号的低码率参数编码算法中,准确地提取基音信息是一个重要环节,文中对基于正弦波语音模型的频域基音检测算法的运算量大、易受共振峰干扰等问题提出了改进,改进后算法的运算量小,算法的准确性高,有效地减小了共振峰对频域基音检测算法的影响,模拟实验表明,改进算法的运算量仅为原算法的13%。     

一种高性能汉语语音基音周期估计方法

在分析 AMDF基音周期估计方法的基础上 ,提出一种新的汉语语音基音周期估计方法MAMDF( Modified AMDF)。实验证明 ,MAMDF方法可以获得更好的基音估计精度和时域分辨度。     

基于Hilbert-Huang变换基音周期检测算法

介绍了一种与传统算法相比有更好的自适应性和优越性的基音周期检测算法,Hilbert-Huang变换不需要对语音信号进行短时平稳假设,检测精度高,适应范围广,帧长大大增加;与小波变换相比,Hilbert-Huang变换依据信号本身的信息对信号进行分解,随信号本身变化而变化,表现了信号内含的真实物理信息,具有更好的自适应性和优越性。     

语音基音检测及声调识别的子波方差分析法

本文将子波方差分析手段应用于基音检测,提出了一种改进的基音检测算法.该算法可以根据实际要求调整扫描尺度的精度和范围,具有可调节性;结合子波尺度与波长关系,能够精确的定位基音周期的数值.根据算法准确性很高,可调节的特点,将其应用于汉语声调的检测中,通过仿真实验取得了良好的效果.     

改进的小波变换HMM语音识别算法

语音识别系统的识别率十分依赖基于Hidden Markov Models(HMM)模型的训练技术.然而,经典的训练算法(Baum-Welch算法)有一个致命的缺陷,即所得最终解依赖于初始值的选取,只得局部最优解,这就影响了系统的最终识别率.针对传统语音识别系统识别率较低的现状,提出了一种改进的小波变换HMM语音识别算法.该算法首先通过小波变换对原始语音信号进行了降噪处理,然后使用语音样本对利用遗传算法改进后的HMM模型进行训练,并用于语音识别.实验结果表明:所提出的算法实用有效,识别率显著提高.     

基于小波变换和空域相关函数的基音周期检测及其在DSP上的实现

利用TI公司制造的DSP芯片TMS320VC5509和CODEC芯片TLV320AIC23构建一个语音采集系统,为语音信号处理搭建一个有效的平台.具体方法是:采用TMS320VC5509的I2C模块对TLV320AIC23进行配置,并通过TMSVC5509的McBSP实现两者之间的数据通信;利用小波变换在信号突变检测方面的原理在不同尺度下对采集到的语音信号进行小波变换,并引入空域相关函数,利用相邻尺度的相关系数代替传统小波变换方法中的小波系数寻找局部极大值之间的距离.实验结果表明,系统以22 kHz的采样频率采集到语音信号;通过计算不同尺度下的相关系数局部极大值之间的距离,能估计出基音周期:与传统的小波变换方法相比,基于空域相关函数的小波变换方法在锐化信号边缘的同时抑制了噪声,对噪声的鲁棒性更强.     

改进信号子空间结合维纳滤波的语音增强算法

针对现有语音增强算法噪声残留和语音失真,不能同时达到最小这一问题,提出了一种改进的信号子空间结合维纳滤波法,进行两级语音增强。第一级利用听觉掩蔽参数改进信号子空间的增益矩阵,经处理后,可以有效降低语音失真度,并初步提高信噪比。然后利用维纳滤波算法对增强后的语音信号进行加强。实验结果表明,相比传统的信号子空间算法、维纳滤波算法,可以有效地减少语音信号中的残留噪声、降低语音信号的失真度、提升语音信号的整体质量。     

基于改进的稳态法测量电力系统谐波阻抗

在实际电力系统运行过程中,三相系统不对称且各相间存在耦合阻抗,应用稳态法不能准确获取系统谐波阻抗,利用相模变换改进的稳态法来测量谐波阻抗。首先求取相模变换矩阵改进稳态法,将三相电力系统的三组可测数据解耦为单变量数据,简化计算过程。其次,在Matlab/Simulink中分别建立单相仿真模型和存在耦合阻抗且不对称运行的三相仿真模型,对比研究稳态法与改进的稳态法计算系统侧谐波阻抗。实验表明改进后的稳态法测量三相系统谐波阻抗,提高了测量准确率,并简化了计算过程。     

基于模糊熵与改进相关向量机的语音端点检测

为提高低信噪比下语音端点检测的准确性,提出了一种基于模糊熵与改进相关向量机的端点检测算法.首先对语音信号进行基于听觉感知特性的语音增强,然后提取每帧信号的模糊熵作为改进相关向量机的输入矢量,同时针对单一核函数对预测分类鲁棒性弱的问题,对不同核函数进行自适应多核组合,融合多个核函数的特性,提高分类精度和鲁棒性.实验结果表明:在低信噪比环境下,基于模糊熵与改进相关向量机的端点检测能更有效地检测出语音的端点,准确率达到93.2%.     

一种整数基音检测新方法STA的实用改进

对新的基音检测算法STA作简要介绍，对于在基音检测的实际应用中，遇到的由于受到噪声、共振峰影响造成基音周期检测点的偏移问题，提出STA的改进方案ISTA，并对前后2种方案的实际效果进行了比较，ISTA在基音检测时可以得到比STA更理想的效果．     

基于元学习的语音识别探究

目前,高准确率的语音识别需要在大规模语料库上进行学习才能获得,然而大规模语料库的构建成本较高,某些语言很难采集到充足的语料,因此,基于小规模语料库的语音识别已成为目前挑战性的研究问题.元学习是模仿人类利用已有经验快速学习新知识的机器学习方法,在机器视觉单样本学习任务中表现出明显的优势,已成为新的机器学习研究热点.将元学习应用于单样本语音识别是解决基于小规模语料库语音识别这一挑战性问题的有效途径,在TIMIT和佤语数据库上,开展了基于Reptile元学习算法的单样本孤立词语音识别研究.实验结果表明,该算法能有效地提升模型收敛速度与泛化精度,从而提升了模型的学习能力,说明元学习方法有助于解决小规模语料语音识别这一挑战性问题.