离散变换算法在关键词检测系统中的研究

阐述了一个在较强噪声环境下针对汉语非特定说话人的连续无限制语音流中检测出其中关键词语音的公交车路线查询系统.为增强其关键词语音信号提出了建立一种新的基于离散变换的语音增强算法.并对同一噪声环境下增强关键词语音信号的模型与未增强关键词语音信号的模型进行了比较,结果显示,采用增强语音信号强度的算法在提高关键词的检测率同时,有效地降低了误报率,系统的整体性能较好,具有一定的实用性.     

基于独立成分分析技术的语音除噪系统

提出了一种基于独立成分分析技术的语音除噪方法.语音信号与其所夹杂的噪声之间,通常都是相互独立的,采集的观测信号是语音信号与噪声之间的混合信号,通过分析混合语音信号特征,建立了基于独立成分分析技术的语音信号模型.以最大化信号独立性特征为依据,分离语音信号与噪声信号.最后利用多选一信号选择器,实现去噪后语音信号的提取,从而...     

语音增强技术在关键词检测系统中仿真研究

描述了一个机票定制系统,在强噪声环境的公共场所针对汉语小词汇量非特定说话人的连续无限制语音流中检测出其中的关键词语音.为增强其关键词语音信号提出建立一种新的基于行为模式分解的语音增强算法.对同一噪声环境下增强关键词语音信号的HMM与未增强关键词语音的HMM进行了比较,结果显示,采用增强语音信号强度的算法在提高关键词的检...     

手背静脉识别算法研究

手背静脉识别是一种新兴的非接触式红外生物特征识别技术,近年来得到了广泛的关注.提出了一种静脉识别算法,算法首先对静脉图像进行分割,通过滤波有效地去除斑点噪声和水平条状扫描噪声,然后进行平滑细化和毛刺修剪,得到失真较小的静脉骨架,最后提取静脉骨架的7个修正的几何不变矩作为支持向量机的输入进行分类识别,在有500个样本的数据库上进行实验,获得了95.5%的识别率,表明了算法的有效性.     

利用MLT和SRS的混合图像融合与去噪算法

针对图像融合中的去噪声问题,提出一种基于多尺度变换(MLT)和信号稀疏表示(SRS)的混合图像融合与去噪算法,构建混合模型进行剪切变换,阈值化处理MLT分解后的各个系数值,运用滑动窗口技术和平移不变性形成稀疏表示进行图像融合,运用SRS算法去除源图像中的噪声.实验结果表明该算法减少了融合图像的对比度和光谱信息失真情况,显示出高质量的视觉融合效果,在不同噪声水平下能保持较高的PSNR值.     

基于Shearlet域各向异性扩散和稀疏表示的图像去噪

为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet 域各向异性扩散和稀疏表示的图像去噪方法. 首先对含噪图像进行非下采样shearlet 变换(nonsubsampled shearlet transform, NSST),将图像分解为低频分量和多个高频分量. 低频分量中包含图像信号的主要能量以及少量的噪
声,而高频分量中含有大部分噪声和图像边缘信息. 然后,利用K-奇异值分解(K-singular value decomposition,K-SVD) 算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD) 算法进行去噪. 最后,对处理过的低频分量和高频分量进行非下采样shearlet 反变换(inverse nonsubsampled shearlet transform, INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节. 实验结果表明,与小波扩散去噪法、shearlet 硬阈值去噪法、K-SVD 稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果.     

小波变换在语音增强中的应用

通过分析语音信号的特性,采用了先对信号进行清浊音的判断,其次运用小波变换来处理带噪语音信号在不同尺度上的带噪小波系数,从而实现在重构中增强语音信号的目的,并通过计算机仿真结果验证了该方法的有效性.     

改进卷积神经网络的语音情感识别方法

研究了基于卷积神经网络的语音情感识别算法,改进了传统卷积神经网络训练过程中的卷积核权值的更新算法,使卷积核权值的更新算法与迭代次数有关联;同时为了增加情感语音之间的特征差异性,将语音信号经过预处理后得到的梅尔频率倒谱系数特征数据矩阵进行变换,提高卷积神经网络的表达能力.实验表明,改进后的语音情感识别算法的错误识别率比传统算法的错误识别率约减少7%.     

加权邻域重构及其在声目标识别中的应用

摘要： 针对流形学习方法用于声目标识别时易受噪声干扰的情况,提出一种加权邻域重构算法,采用加权迭代方式构造出带噪流形子曲面中最能反映该曲面变化趋势的曲线,通过拓展该曲线对带噪流形子曲面进行重构,利用新曲面计算低维嵌入. 该算法在去除噪声的同时,最大限度地保持了原流形曲面的变化趋势,是一种适用于声目标识别的算法. 在公开数据库和低空飞行目标实际数据中进行实验,结果表明在识别正确率及运行时间上,本文提出的算法相对于其他3 种对比算法均取得了较好的效果.     

信息博览

杜领方鼎 中国青铜器源远流长，是人类早期发明史上 的重要 成果之 一，又是 科技与 艺术的 综合成 果。 周 口市东 方仿古 工艺厂 通过研 究生产 出仿古 青铜器 杜领方鼎、鸟尊、博山炉、酒爵等，取得了社会经济效益。 （沃文） 智能化语音识别系统 解放军信息工程大学根据市场的需要，对关键词检测技术进行了深入地研究，推出了一整套基于关键词检测技术的智能化语音识别系统。 智能化语音识别系统的核心是关键词检测模块，使机器能够智能化处理接收到的语音信号。关键词检测模块为用户提供了语音训练和检测接口，以便于用户二次开发。此…     

基于小波和Curvelet变换联合去噪的含噪盲源分离

独立分量分析(ICA)是一种仅依据信号间的统计独立的性质,对多路观测到的信号进行盲源分离的方法.现有的独立分量分析算法大都假设在无噪声情况或噪声很小可以忽略不计的情况,而在强噪声背景下,这些算法都无法获得理想的分离效果.在含噪信号盲源分离一般模型的基础上,提出了一种小波和Curvelet变换联合去噪的含噪信号盲分离算法.通过对高斯噪声背景下的混合图像的仿真研究,表明该方法能有效的提高图像的信噪比,减轻了噪声对经典ICA算法分离性能的影响,很好的实现了含噪混合图像的分离.     

基于小波变换的图像去噪技术

利用小波变换中的不同尺度特性对确定信号具有的"集中"能力,提出了基于小波变换的去噪方法。通过在不同尺度上选取适当的阈值,对大于和小于该阈值的小波系数进行相应的处理,其目的是尽量去除由噪声产生的影响,最后由处理后的小波系数对信号进行重构,以得到去噪后的信号。     

语音识别技术应用的进展

语音识别的研究工作可以追溯到20世纪50年代AT&T贝尔实验室的Audry系统,它是第一个可以识别十个英文数字的语音识别系统.实验室语音识别研究的巨大突破产生于20世纪80年代末,一些小词汇量的识别系统具备了较高的识别率.同时,人们终于在实验室突破了大词汇量、连续语音和非特定人这三大障碍,第一次把这三个特性都集成在一个系统中.语音识别技术获得突破的主要原因在于半导体技术、软件技术和存储技术突飞猛进的发展.     

基于凸组合的麦克风阵列自适应语音增强方法研究

广义旁瓣相消器是应用极为广泛的麦克风阵列语音增强方法,对含高斯噪声的语音信号降噪效果较明显.然而,当语音信号中混有脉冲噪声时,利用此方法进行降噪处理所得增强后的语音信号可识别性明显变差.为改善含脉冲噪声语音信号的降噪效果,本文提出一种基于凸组合的麦克风阵列自适应语音增强方法.该方法利用由线性滤波和非线性样条滤波构成的凸...     

基于改进EMD去噪和矩阵束的电力系统低频振荡模态辨识

提出了一种电力系统低频振荡模态辨识方法.首先使用改进的经验模态分解(empirical mode decomposition, EMD)去噪算法对低频振荡信号进行预处理.针对传统EMD去噪时混叠噪声严重和计算时间较长的问题,在区间阈值处理的基础上向信号叠加余弦波并进行二次分解,可以快速有效地实现信噪分离.随后再利用矩阵束(matrix pencil,MP)算法提取模态参数.对于MP算法的关键定阶问题,引入奇异值的相对差值作为定阶指标,可以实现较为准确的阶数估计.最后对数值信号、系统仿真信号和电网实测信号进行分析.仿真结果表明,所提方法在抗噪能力、参数精度和计算速度等方面都表现优异.     

一种稳健的语音传输路径自适应建模系统及应用

针对语音信号的特点,提出一种稳健的语音传输路径自适应建模系统.它在引入宽带平稳训练信号克服非平稳输入自适应建模失配的基础上,用小延时预测滤波消除自适应建模的语音干扰,同时用补偿滤波来修正预测滤波导致的训练成分失真.计算机仿真表明,该建模系统在回声抵消、语音增强等领域均有很好的应用前景.     

一种新的麦克风阵列自适应语音增强方法

在复杂的语音环境中,利用麦克风阵列语音增强技术能有效地拾取目标语音信号并
消除噪声干扰,但传统的麦克风阵列波束形成的加权系数是固定的. 为了能灵活地控制麦克
风阵列波束的形成方向以及消除其波束旁瓣带来的残余噪声,提出了一种基于麦克风阵列的
自适应语音增强技术. 该技术将自适应滤波器和麦克风阵列相结合形成波束可控的广义旁瓣
消除器,然后在广义旁瓣消除器后面续接一个改进的谱减法,并加入契比雪夫窗函数. 仿真实
验结果表明,所提出的语音增强方法能有效去除语音信号中的噪声干扰,相比于传统广义旁
瓣消除器,信噪比大约提高了3.5 dB.     

语音关键词检测系统中基于时长和边界信息的置信度

针对关键词识别中基于后验概率的置信度方法对语音发音变化信息利用不充分的问题,提出了一种基于时长和边界信息的置信度. 该方法引入一个松弛因子,灵活地选择词信息相同的弧段计算置信度,从而进行关键词拒识. 在此基础上,设计并实现了一个基于Lattice 的大词表语音关键词检测系统,先用改进的动态规划算法在音节网格上进行关键词检出,尽可能多地给出关键词候选,然后采用基于时长和边界信息的置信度进行关键词确认. 实验结果表明,该方法相对于主流的计算方法,系统的等错误率（equal error rate,EER）提高了7%.     

信号消噪的小波处理方法及其应用

通过对噪声特性的分析并用小波的方法对信号进行消噪处理，利用Matlab软件演示信号消噪的效果，并总结出小波分析对信号消噪的优点．     

基于MATLAB的语音信号仿真与分析

基于MATLAB平台对语音信号进行了仿真与处理,包括对语音信号的录取和导入,信号时域和频域方面的分析,添加噪声前后的差异对比,滤波分析,语音特效处理。最后基于GUI技术完成了系统界面平台的设计。