网络IP话音组网实践

传统电信运营商拥有成熟固定的电话网,对本地话务具有垄断地位;新的运营商为争夺本地语音业务,普遍在新建设宽带IP城域网为基础,组建IP话音接入网,提供本地话音业务;通过实践应用,IP语音接入网技术基本适合新的运营商在本地语音业务发展的需求。     

智能语音代理的多媒体阅读应用探析

提出了智能语音代理的构想,阐述了智能语音代理在多媒体网络教学系统中应用的必要性与意义,建构了智能语音代理的功能模型,讨论了当前多媒体网络教学在语音处理上存在的问题,论述了语音代理系统应具有的功能和在多媒体教学活动中的作用.     

一种改进的自适应算法及其在语音增强中的应用

对基于累积误差准则和基于共轭梯度的自适应算法进行了讨论和比较,分析了各自的特点,在此基础上提出了一种改进的自适应算法。改进算法可以在保证算法稳定的前提下提高算法的收敛性能。将改进算法应用于基于自适应干扰对消的语音增强实验,结果表明,与原有算法相比,改进算法能够使含噪语音的信噪比有较大改善。     

语音识别对抗攻击方法综述

用于语音识别(SR)的深度神经网络在提供强大的语言计算和分析能力的同时,极易受到对抗性攻击影响,在人为不可察觉的情况下,造成语音转录错误,甚至是执行特定非法控制命令．本研究聚焦语音识别对抗攻击,首先,从攻击模型的角度,以攻击演变的顺序对语音对抗攻击方法进行分类论述;然后,根据SR系统的输入方式、处理过程的特点,分析现有方法克服空中条件、优化攻击效果、添加不可察觉音频扰动的实现原理及相关的优势与劣势;最后,对语音识别所面临的技术挑战进行总结,并对未来研究发展方向进行展望．     

基于多尺度特征融合的语音频带扩展

针对现有的深度学习模型在语音频带扩展领域数据特征利用不充分、训练周期长以及生成语音质量不高等问题,提出了一种新型的端到端神经网络模型,该模型通过融合不同数据维度特征促使网络模型利用更少的数据特征量,获取更多的低高频映射关系解,从而减少模型的整体训练周期．为了提高长时序数据中关键特征的权重占比,设计了一种残差多头自注意力机制,从而达到数据特征利用率的最大化．此外,提出了一种基于时频域和Mel频谱的混合损失函数对模型进行优化．实验结果表明：该方法重构的宽带语音在主客观的评价中均优于传统方法和近年来的一些基于神经网络的语音频带扩展方法．     

基于Involution算子和交叉注意力机制的合成语音检测方法

随着科学技术的迅速发展,基于深度学习生成的合成语音给语音认证系统和网络空间安全带来了新的挑战。针对现有检测模型准确率较低和语音特征挖掘不够充分的问题,提出了一种基于Involution算子和交叉注意力机制改进的合成语音检测方法。前端将语音数据提取线性频率倒谱系数(LFCC)特征和恒定Q变换(CQT)谱图特征,两个特征分别输入到后端的双分支网络中。后端网络使用ResNet18作为主干网络先进行浅层的特征学习,并将Involution算子嵌入主干网络,扩大特征图像学习区域,增强在空间范围内学习到的频谱图像特征信息。同时在训练分支之后引入cross-attention交叉注意力机制,使LFCC特征和CQT谱图特征构建交互的全局信息,强化模型对特征的深层挖掘。所提模型在ASVspoof 2019 LA测试集上取得了0.84%的等错误率和0.026的最小归一化串联检测代价函数的实验结果,展现了优于主流的检测模型。结果表明,改进的模型能够有效融合不同的频谱特征,提高模型的特征学习能力,从而强化模型的检测能力。     

互联网时代语音识别基本问题

语音识别技术经过半个世纪的积累,于近年来达到大规模商用水平．本文概括了统计语音识别理论的发展状况,并单独介绍了深度神经网络在声学建模、语言建模、多语言共享、语义识别等方面的卓越性能．深度神经网络的性能优势引起了我们强烈的兴趣．通过回顾类人听觉信息处理对深度神经网络的改进作用,我们意识到,深度神经网络与类人听觉信息处理相结合,必将推进语音识别技术的进一步发展．反过来,深度神经网络技术在语音识别中的进步,也必将推动类人听觉信总、处理技术的进步．语音识别技术后续发展的重点是对深度神经网络的结构和训练算法的改进使之更好地实现类人听觉．最后,我们分析了采用深度神经网络模拟人类听觉的抗噪修复机理和听觉关注机理的可能性．     

改进算术优化算法求解考虑机器老化效应和工件释放时间的作业车间调度问题

研究考虑机器具有老化效应和工件带有释放时间约束的作业车间调度问题（job shop-scheduling problem, JSP）。建立以最小化最大完工时间为目标的调度优化模型,并设计1种改进的算术优化算法（improved arithmetic optimization algorithm, IAOA）对该问题进行求解。算法首先通过排序值转换规则将IAOA连续解空间映射到JSP的离散空间,并对JSP进行编码,然后使用插入式贪婪解码算法进行解码。提出了非线性数学优化加速函数和6种邻域搜索策略对标准算术优化算法（arithmetic optimization algorithm, AOA）进行改进。通过在33个JSP数据集上进行测试并与AOA、灰狼优化算法和算术三角函数优化算法进行对比分析,结果表明提出的IAOA具有较好的优化效果以及收敛能力,且该算法克服了AOA求解精度低、收敛速度慢的缺陷。     

一种鲁棒特征提取算法的设计和实现

提出了一种用于语音识别的鲁棒特征提取算法,这种算法基于最小方差无失真响应(MVDR)谱估计技术,它在Mel频率尺度上估计MVDR谱,并对得到的MVDR谱进行调制谱滤波,然后提取其倒谱系数作为特征参数。使用这种算法设计了一个抗噪孤立词语音识别系统,在汽车噪声,人群噪声和高斯白噪声三种噪声环境下,与传统算法按多种信噪比做了对比实验。实验结果表明该系统在这三种噪声环境下的识别率均得到了不同程度的提高。     

基于PSOLA算法的情感语音合成

在人机通信技术由图形用户界面向多通道界面的发展趋势中,语音交互界面的研究开发显示出了巨大的潜力和光明的前景.情感信息作为语音信号的重要组成部分,是人机通信技术智能化的重要标志之一.为此,介绍了一种汉语普通话情感语音合成方法,包括语音库的建立及参数提取,应用一种改进的自相关算法进行基音的检测,通过对四种情感语调的基频曲线分析,用PSOLA基音同步叠加算法改变句子的语气,表达出不同的情感,增加了语音交互的自然度,以增添语音和合成系统的智能化,提高了人机交互的能力.