说话人自动识别技术研究

主要对文本无关的说话人识别技术进行一些探讨。与语音识别不同,说话人识别技术必须提取说话人依赖特点,而语音特征量的选取是利用说话人声音的频谱通过分离傅立叶变换(DCT)获得的。在训练阶段,每一个说话者通过矢量量化产生一个码书(语音数据库)。在认识阶段期间,通过对欧几里德距离代表VQ的计算来减少失真。在一定范围的说话人的语音库中,测试结果表明有很高的识别率,可以达到96%。     

基桩质量定量分析的频响函数法

实测桩顶响应信号是振源与系统频响函数的时域卷积 .本文利用时谱技术 ,从桩顶反射信号的功率谱中分解得到频响函数的模函数 |H(f) |,导出了 |H(f) |函数与反射系数r的关系 ,提出了利用 |H(f) |函数定量识别基桩质量的方法 .为了证明本文方法的有效性 ,给出了 3根桩的识别实例 .     

基于广义互功率谱相位法的声源定位技术

研究如何在复杂噪声和严重混响的室内环境下,提高声源定位系统的性能.首先分析室内麦克风阵列的信号模型,确立一种合适的阵列拓扑结构;其次在复倒谱域对滤波器的各项参数进行仿真比较,得出滤波器参数的最佳值;然后提出一种广义互功率谱相位法,改进了峰值不明显等问题.在Matlab中对多种加权函数进行了仿真比较,进一步改善声源定位结果的准确性.最后对提出的算法进行验证,结果表明,当改进后算法的角度误差和距离误差分别为±10°和±15cm时,定位成功率能达到80%左右.     

EMD在说话人辨认中的应用

提出一种基于经验模式分解的说话人辨认方法.通过对语音信号进行经验模式分解得到一系列内在模式函数,提取每一级模式函数的Mel频率倒谱系数和相邻两级模式函数差的Mel频率倒谱系数作为表征说话人的特征参数,对得到的特征参数用矢量量化进行识别.实验结果表明,方法是有效的.     

基于MFCC和GMM的个性音乐推荐模型

提出一种基于Mel频率倒谱系数(MFCC)和高斯混合模型(GMM)的个性音乐推荐模型的建立方法.该方法采用MFCC技术提取歌曲的语音特征,并利用GMM算法生成该歌曲的模板,然后利用音乐模板库对音乐文件进行相似度计算.实验结果表明,利用该模型为用户推荐的歌曲平均准确率为90%.     

一种噪声环境下的语音识别方法(线性预测误差法)的研究

介绍一种平稳噪声环境下语音识别的新的方法。该方法利用噪声的LPC系数去预测语音信号,从而得到LPC预测序列,然后把它代替原语音序列来进行语音端点的检测、语音特征的提取和在合适的匹配方式下的识别。实验结果表明：该法在噪声环境下自动检测语音端点和提取语音信号的特征是可行的,获得了很满意的识别率。     

基于单边自相关线性预测噪声中汉语语音识别

对含噪语音在自相关域上进行处理,以其自相关函数值为参数进行端点检测,以基于单边自相关序列的LPC倒谱系数作为语音的特征参数进行语音识别,实验表明：这种方法较好地消除了噪声对语音信号的干扰,并获得了较高的识别率。在信号的信噪比低而自相关性又强时,此法能体现出不同一般的优势,为实际应用提供了可能。     

基于多尺度梅尔倒谱系数的转辙机声信号状态识别方法

为了准确地识别铁路转辙机所处的工作状态,保证列车能够安全行驶并转向,提出了一种基于声音信号的转辙机状态识别方法。首先将声音信号预处理后提取其梅尔倒谱系数(Mel frequency cepstrum coefficient, MFCC);为更加全面表征转辙机声信号的特点,对MFCC进行改进得到多尺度MFCC特征;引入卷积神经网络(convolutional neural network, CNN)构建转辙机声信号识别模型,并采用五折交叉验证法获得两种特征的识别准确率。将S700K型转辙机在4种状态下运行时采集的真实声音信号进行训练和测试。结果表明：多尺度MFCC特征可使转辙机声音状态识别准确率至少提高7.5%。并且在低信噪比(signal-to-noise ratio, SNR)下,多尺度MFCC特征也有更好的表现,其准确率相较传统MFCC可提升35%。     

基于GA/VQ的说话人辨认的研究与实现

为了改善在矢量量化说话人识别中,采用模板(码书)表征说话人,模板的质量对识别系统的性能。采用遗传算法改进模板的生成方式,构建了一种GA／VQ说话人辨认系统,给出了一种GA／VQ识别算法,通过遗传操作获得全局优化的说话人模板。实验证明,GA／VQ方法提高了码书的质量,比经典矢量量化识别系统识别率高。     

几种不同基频提取算法的比较研究

基频提取算法一直是语音信号处理领域的研究热点,文章将当前的多种基频提取算法分为时域、频域以及时频混合三个方面,并分别对其中的AMDF算法、线性预测残差倒谱算法以及小波变换的基频提取算法进行了比较研究,对三种算法分别在如何准确判定语音波形的谷值点、语音信号突变以及语音的消噪等不同的语音信号处理角度进行了阐述,并在分析其优缺点后,提出将多种基频检测方法结合能更好地促进基音周期检测的准确性.