基于深度学习的听觉倒谱系数语音增强算法

针对现有语音增强算法在低信噪比(SNR)非平稳噪声环境下的表现并不理想这一问题,提出了一种基于深度学习的语音增强算法.首先,构建了一个深度神经网络(DNN),然后从四个不同分辨率的耳蜗中提取了多分辨率听觉倒谱系数(MRACC)作为神经网络的输入,该系数既关注了细节的高分辨率特征,又把握了全局性的低分辨率特征;其次,跟踪噪声变化构建了一个自适应掩蔽阈值(AM)作为神经网络的训练目标,该阈值能够依据噪声调节理想二值掩蔽(IBM)和理想软掩蔽(IRM)的权重;最后,将估计的自适应掩蔽阈值用于对含噪语音进行增强.实验结果表明:相较于对比算法,该算法不仅可以进一步提高语音质量和可懂度,而且能够抑制更多的噪声.     

概念隐喻理论应用于英语习语的研究

传统观点认为,习语的意义是任意的,但根据认知语言学的观点,很多习语不仅仅是语言,而且是我们概念系统的产物。换言之,一些英语习语是有理据的,反映了联系字面意义和形象意义的概念隐喻。概念隐喻将具体域和抽象域连接起来,产生了意义的指称过程。本文试图运用认知语言学中概念隐喻理论来分析英语习语存在的理据,探讨其对习语理解和学习的指导意义,以期对英语教学提供有益参考。     

有噪语音的线性预测HMM参数估计方法

本文讨论了混有加性高斯白噪声的语音的线性预测隐Markov模型(HMM)参数估计问题.由Baum等人提出来的重估公式没有考虑噪声的影响,因此,对有噪语音的模型参数估计会产生较大的偏差.本文对该公式提出了一种修正方案,用这种方法估计出的模型参数有效地抑制了噪声的影响,较准确地反映了语音真实时变特征.实验证实了这一结论.     

子空间域相关特征变换与融合的语音识别方法

为了提高语音识别准确率,提出了一种子空间域相关特征变换与融合的语音识别方法(MFCC-BN-TC方法)。该方法提取语音短时谱结构特征(BN)和包络特征(MFCC)分别描述语音短时谱结构和包络信息,并采用域相关特征变换的形式分别对BN和MFCC特征进行特征变换;然后对这种变换进行泛化扩展提出子空间域相关特征变换,以采用不同的时间颗粒度(帧和语音分段)进行多层次区分性特征表达;最后,对多种区分性特征变换后的特征进行联合表征训练声学模型,并给出了区分性特征变换与融合的一般框架。实验结果表明:MFCC-BN-TC方法比采用原始BN特征方法和采用MFCC特征基线系统方法,识别性能各自提高了0.98%和1.62%;融合MFCCBN-TC方法变换以后的语音信号特征,相比于融合原始特征,识别率提升了1.5%。     

基于二进制时频掩码和ICA的欠定语盲分离

研究基于二进制时频掩码和ICA的欠定语音盲分离．首先对混叠语音进行时频变换;然后利用二进制时频掩码技术从混叠信号的时频信息中消除掉一个源信号,将欠定的盲源分离问题转变成正定的盲源分离;最后,将消除后的混叠信号变换回时域,再利用ICA技术进行分离．利用本方案进行欠定语音分离,可以大大消除因二进制时频掩码带来的音乐噪声,能够达到很好的分离．     

《红楼梦》“草蛇灰线”之隐笔探微

＂草蛇灰线＂是中国小说艺术中一个独特的创造,经由曹雪芹的意匠经营,将之发挥到一个超迈往古的神奇境地。结合《红楼梦》评点史料,梳理＂草蛇灰线＂在书中的作用,可将《红楼梦》之＂草蛇灰线＂分为隐线、隐喻、隐设三种。     

基于一种新型分形理论的语音端点检测

为提高语音端点检测在较低信噪比下的准确率,当语音信号与随机噪声在不同尺度上进行小波变换时,针对其传递特性不同的特征表现及其特点,提出了一种新的基于分形维数的语音信号端点检测方法,即对带噪语音信号进行小波重构,去噪后,利用分形维数方法计算信号的维数,实现语音的端点检测.并给出其原理和具体算法.仿真实验结果表明,该方法简单可靠,有效可行,与已有方法相比,更具有广泛的实用性.     

基于BlueZ协议栈的蓝牙语音接入系统实现与性能分析

根据蓝牙"三合一电话"应用模型要求,通过内核配置、基础库和工具集的移植以及内核烧写等步骤,将蓝牙BlueZ协议栈移植到嵌入式ARM平台,编程实现了TCS Binary协议,研制完成了一种基于嵌入式蓝牙协议栈BlueZ的语音无线接入系统,包括嵌入式蓝牙语音网关和蓝牙语音终端.采用研制的蓝牙语音接入系统可以较好地将蜂窝网的话务量分流至PSTN中,利用话务模型对用户密集和蜂窝资源紧张的通信环境进行了仿真研究,结果表明蜂窝网呼损率显著下降,提高了PSTN的利用率,增加了由蜂窝网和PSTN组成的语音通信网的系统容量.     

一种语音增强算法的研究

采用基于子空间的方法，对语音信号进行增强处理，该算法提供了在语音信号失真和残留噪声之间进行控制的机制。克服了以往语音增强算法中对语音信号的噪声特点的限制，可以对混有加性白噪声、有色噪声和音乐噪声的语音信号进行增强处理。