“够呛”的认知分析及其相关结构式研究

"够呛"作为从方言发展而来的词汇,在语言使用的各种场合都有大量用例。"够呛"由"够"和"呛"的认知语义通过概念整合机制创新发展而来,具有[+否定]、[+超出承受范围]和[+难度大]之义。"够呛"在句中可作形容词、准副词和程度副词。"把(被)+主语+动词+得+够呛"结构的源构式是"动词+得+宾语+补语(够呛)"。"够呛"语义的虚化导致其语法功能变化,"够呛"演化成能凸显事物性状程度深的程度副词。     

基于基本情感特征的汉语语音识别方法的研究

由于计算机技术的飞速发展,人们对人机交互系统的要求不断提高,希望计算机能更加智能化、人性化,情感的信息处理已经成为提高人机交互能力的一个主要课题。本文主要研究了如何利用相关算法及汉明窗正确地区分悲伤、愤怒、平静、高兴这四种基本情感。     

对奥巴马反恐演讲的批评话语分析

恐怖主义是一个复杂的社会政治现象,很难客观公正地界定。范畴化是人类的重要认知方式,具有意识形态功能。人称代词和语篇组织形式是批评话语分析的重要分析工具。文章从范畴化、人称代词和语篇组织形式三个方面对奥巴马反恐演讲进行批评性分析,试图揭示奥巴马如何用语言策略框定恐怖主义行为和反恐行动,如何成功地构建反恐的合法性和正义性。     

基于非负矩阵分解和长短时记忆网络的单通道语音分离

为了解决语音分离中非负矩阵分解(non-negative matrix factorization,NMF)、深度神经网络(deep neural network,DNN)等算法没有考虑语音时序相关性的问题。结合NMF和长短时记忆网络(long short-term memory,LSTM)算法提出NMFLSTM单通道语音分离算法:将语音信号的幅度谱作为模型的输入特征,通过训练NMF和LSTM模型获得目标语音的基矩阵和系数矩阵,并对其结果进行语音重构最终实现语音分离。实验结果表明:相比于未考虑语音时间连续性的算法,使用NMFLSTM算法分离语音的客观语音质量评估值(perceptual evaluation of speech quality,PESQ)有明显提升,其最大值超过3. 1,获得良好的分离效果。     

大学生网络聊天会话中话语风格的性别差异

通过对大学生网络聊天中交谈双方话语量、打断谈话的情况和符号表情的使用情况等的调查研究,发现在网络聊天中所反映出的话语量、表情符号语气词等一些独特的话语风格的性别差异,并从社会语言学和语用学的角度对产生这种差异的原因进行了探讨。     

扩展联合对角化算法及其在语音分离中的应用

用扩展联合对角化（JADE）算法对混合语音信号进行盲源分离,并对分离前后的语音信号的波形和频谱进行了分析比较．实验表明,JADE算法在混合语音信号的分离中是有效的．     

指桑骂槐：一种特殊言语行为的修辞建构

论述“指桑骂槐”不仅是一个成语,同时也是一种言语行为。作为一种特殊的言语行为自有其成立的特殊语用条件,也必然呈现出独特的语用魅力;它不但积极参与话语与文本层面的修辞建构,而且还能参与人的精神层面的修辞构拟。     

基于线谱对高效矢量量化的0.6kb/s语音编码算法

为了提高通信系统的抗干扰和抗攻击能力,尽可能降低语音编码速率.提出了一种O.6 kb/s语音编码算法.算法基于3帧联合,对多帧联合参数采用高效矢量量化,在降低语音编码速率的条件下保证语音编码质量.其中,对线谱对参数采用预测多模式多级矢量量化码本结构.在码本设计过程中,提出了多模式渐进闭环设计,对各类码本联合优化,并联合优化预测器和量化器,可以有效提高线谱对参数量化质量.在译码方,采用多带混和谐波激励提高合成语音清晰度.测试结果表明,该语音编码算法合成语音PESQ(perceptualevaluation of speech quality)得分可以达到2.7,汉语诊断押韵测试DRT(diagnostic rhyme test)得分可以达到89.7.     

RPE-LTP算法在第三代移动通信系统中的应用与实现

参照GSM语音编码标准,对RPE-LTP这一经典语音编码算法进行了深入研究,并且对RPE-LTP编码器的工作原理进行了详细的研究和分析。在此基础上,以TI公司的CCS2.0为开发环境,以该公司的C5510芯片为平台,采用C语言和汇编语言混合编程的方式,成功地实现了该编码器。并通过硬件平台的实验测试,取得了令人满意的通话效果。从而为这一经典算法在第三代移动通信系统中的应用打下了良好基础。     

基于BPNN/HMM神经网络的声学模型研究

研制了一种基于BP神经网络和隐马尔可夫模型(HMM)的混合声学模型,BP神经网络的主要功能是把失真语音特征矢量转换成纯净语音特征矢量,而删则对转换后的纯净语音特征矢量进行分类,从模型级补偿的方面来提高语音识别系统的鲁棒性．讨论了一种基于线性预测的MKCC语音特征提取方法,该方法把提取出的失真语音特征矢量作为神经网络的输入,从而实现了特征参数级去噪处理的目的．