人工合成噪声环境下的连续英文数字识别系统

噪声鲁棒性问题是当前语音识别的一个重点,作者提出了一个在已有数据库下通过人为地将噪声和语音信号混合的方法,实现实际环境下的连续英文数字语音识别系统.即通过自设计的程序将采集到的噪声文本根据不同的信噪比随机地添加到现有的语音数据库的语音文本中,使新的数据库中的语音文本符合实际的语音环境.实验结果表明,本系统对带噪声环境下的英文数字的识别率效果好,单词的总体正确识别率达到95.86%.     

语音识别中的BP神经网络改进

语音信号是受说话人、环境等因素影响的复杂函数,人工神经网络（ANN）模型进行语音识别具有自适应、自组织及联想等特征,适合用于语音识别。主要研究了传统BP神经网络在实际语音识别中的改进方案。利用改进后的方案实现语音识别、网络结构简化、运算速度加快、训练时间缩短。     

PCM编码的ISP技术实现

在简述实现PCM(Pulse Code Modulation)逐次反馈编码方法的基础上,采用先进的ISP(In-System Programmable)技术现代电子设计平台和开发软件,以ispLSI1016E芯片为核心,辅以相应的外围电路,实现了PCM编码的硬件电路配置和功能仿真设计.     

石城(木兰)客家话单字调的声学实验与统计分析

以石城（木兰）客家话的单字音声调统计结果为基础,结合实验语音学的相关理论和方法,对石城（木兰）客家话的单字调格局进行分析,从而揭示了单字调的基本面貌．分析的具体结果如下：阴平552,阳平114,上声311,去声41,入声■;在绝对时长方面,依次为：阳平>上声>阴平>去声>入声．     

Two Language Models Using Chinese Semantic Parsing

Introduction Although the word trigram dominates the statistical language modeling community, it still has some short- comings. For example, the word trigram cannot make use of the rich linguistic structure of the language, nor can it capture long-distanc…     

多带激励语音压缩算法的仿真实现

作者从语音信号的多带激励模型出发，对ＭＢＥ语音压缩算法的原理作了详细的指出了它相对于传统ＬＰＣ等算法的优越性，并在计算机上进行仿真实验，给出了实验结果。作者最后就合成语音的质量，算法复杂度等方面，对ＭＢＥ声码器和部分常用标准语音压缩编码方案作了比较，也指出了今后所要研究的方向。     

基于多音素类模型的文本无关短语音说话人识别

对于基于Gauss混合模型-通用背景模型(Gaussianmixure model-universal background model,GMM-UBM)方法的文本无关说话人识别,当测试语音时长缩短到很短时,识别率会严重下降。为了充分利用文本内容信息,该文提出了一种基于K-top多音素类模型混合(KPCMMM)的建模方法。在音素识别阶段,利用语音识别得到训练语音的音素序列,在说话人识别阶段利用音素序列对每个说话人训练多个音素类模型,测试语音则在最相近的音素类模型上进行打分判决,K是选取的相近音素类数。由于音素类定义的不同,KPCMMM方法分为基于专家知识和数据驱动这两类。实验结果显示选择合适的K值可以得到更好的识别结果。不同的音素类定义方法的比较实验结果显示:当测试语音时长小于2s时,对比GMM-UBM基线系统,该方法的等错误率(EER)相对下降38.60%。     

共识与歧义：重审“五四”人性启蒙中的文学观念

新时期以来文学研究界标举“告别功利主义、回归文学本体”的大纛对“五四”文学革命所建构的新文学观念进行了彻底的批判,并将其视为20世纪文学功利主义文学观念的罪恶之源。这样的认识在触及问题的同时,也造成了对“五四”文学观念的误解,对其复杂性、历史性挖掘不够。其实以新青年派知识群体为核心的“五四”文学先驱在文学革命发生之时有...     

核独立分量分析在盲源信号分离中的应用研究

提出利用核独立分量分析来分离混合语音信号的盲信号处理方法.介绍了基于核空间ICA的原理和基本算法,然后利用核独立分量分析算法和固定点快速分离算法分离了混合语音信号.试验结果表明:利用基于核独立分量分析的方法可以得到较为理想的分离效果.     

两级决策的开集说话人辨认方法

为了减少语音数据量 ,提高处理速度和识别的准确性 ,提出了一种采用公共码本、个人隐 Markov模型 (HMM)和个人拒识阈值进行两级决策来实现开集说话人辨认的新方法。在系统实现时 ,采用了一种改进的语音切分算法来提高输入数据的有效性 ,并将说话人识别和人脸识别融合在一起进行身份验证。实验证明这种融合方法能够有效地降低识别的相等错误率至 1%。