矢量量化孤立字识别的研究

在矢量量化孤立字识别系统中,对于识别字典中每一个单字,都要分别建立与这些单字对应的码本。本文提出一种按音节递归训练码本的算法,它的计算量是训练语音帧数的线性函数。而传统的LBG聚类算法的运算量则随训练矢量增加呈指数率增长。本文比较了这两种算法的失真特性,得出结论:新方法需要n+1次发音训练,就能达到全搜寻算法n次发音训练的失真性能。最后,本文给出矢量量化孤立字识别器的实验结果。     

基于遗传算法的码本设计及其在说话人识别中的应用

矢量量化方法是与文本无关的说话人识别系统中广泛应用的建模方法之一.在矢量量化过程中,经典的LBG算法收敛速度快,但极易收敛于局部最优点,无法保证根据有限样本数据得到最优码本,并最终影响系统识别性能.本文提出了一种基于遗传算法并结合LBG算法的码本设计方法.该方法通过遗传操作获得全局优化的说话人模板,把新的识别算法应用于说话人识别的实验.结果显示,对于一个小的码本集,新的码本算法比经典的LBG算法具有更好的识别性能.     

用模拟退火法解决LBG算法陷入局部极小的问题

矢量量化是一种极其重要的数据压缩方法 ,但其码本设计算法容易陷入局部极小值 .为了解决这个问题 ,可以将模拟退火法引入矢量量化器的码本设计     

改进VQ算法在说话人识别中的应用

与文本无关的说话人识别方法是当前说话人识别技术的研究重点。基于矢量量化的说话人识别，因其运算过程简单等特点，在说话人识别领域有着广泛的应用。本文对矢量量化的码书形成算法进行了改进，并基于改进算法进行了与文本无关的说话人识别。经实验结果证明，本文的方法改善了码本的性能，提高了说话人识别的识别率。     

用模拟退火法解决LBG算法陷入局部极小的问题

矢量量化是一种极其重要的数据压缩方法,但其码本设计算法容易陷入局部极小值。为了解决这个问题,可以将模拟退火引入磁量量化器的码本设计。     

用DPVQ方法进行孤立字语音识别

本文提出一种新的矢量量化方法压缩语音特征用于孤立字语音识别.新方法借鉴了隐马尔柯夫模型(HMM)中状态的概念来规划模板;用动态规划(Dyna-mic Progamming)的技术优化矢量量化产生的初始码字.新方法使得识别所需的模板库的尺寸明显减小,识别响应时问缩短,而且由于模板的优化,使得系统的正确识别率显著提高.     

一种高效、低存储的线谱频率参数矢量量化器

为了降低线谱频率(LSF)参数矢量量化器的搜索复杂度和码字存储单元,利用LSF参数的帧内和帧间相关性,设计了一种LSF参数的预测式多级分裂矢量量化器.该量化器对LSF参数的预测残差矢量进行两级矢量量化,其中第2级的误差矢量分裂成2个维数分别为4和6的子矢量进行矢量量化,采用瞬时联合多级矢量量化器设计算法设计码本,应用M-L树搜索算法搜索码字,降低了搜索复杂度和码字存储单元,在20 bit时,平均谱失真小于1 dB.     

一种基于神经网络的LD-CELP算法

在低延时矢量励线性预测 (LD -CELP)编码算法的基础上 ,提出直接矢量量化的低延迟矢量激励线性预测编码方案 (DVQ -LD -CELP) ,采用误差反向传播神经网络 (BPNN)来实现DVQ -LD -CELP方法中的码本搜索算法 ,实现在保持原编码方法 (LD -CELP)生成语音的音质和码率的同时 ,降低码本搜索的复杂度 ,提高码本搜索算法的效率     

基于矢量量化方法的说话人识别技术

说话人识别是一项通过语音来识别说话人身份的技术，它在保安、司法、军事、财经和信息服务等领域都具有广泛的应用前景。该文采用线性预测倒谱系数和美尔倒谱系数特征相结合，基于矢量量化聚类方法建立了一个与文本无关的、连续语音发音的说话人识别系统。只要矢量量化聚类法码本大小选择合适，该说话人识别系统就可以获得较好的识别效果。当阈值恰当选取时，该系统具备拒绝识别集外人的功能。     

一种高质量,中速率的语音矢量量化方法

本文论述的是一种高质量、中低速码率的语音矢量量化编码.为了提高综合语音质量,在提取声道参数中采用了 Itakura-Saito 失真测试,并用高维残差矢量激励源.经过计算机模拟证明我们在训练码本时采用的一些方法是行之有效的.     

基于VQ的高效汉语语音识别方法的比较性研究

介绍了一种基于VQ的小词汇量特定人快速语音识别方法,并对该方法中的关键参数进行了比较性研究. 这一方法尤其适用于汉语特定人小词汇量语音识别. 与典型的HMM和NN识别算法相比,该方法复杂度低、系统资源消耗少而识别率高,在对汉语11个数字的大规模识别测试中误识率仅为3.86%. 因此,该方法适合于在手机、PDA等资源有限的系统中实现语音数字拨号、人名拨号及查询等语音控制功能.     

基于Android的心音身份识别系统研究

心音信号蕴含了丰富的个体特征,心音信号的唯一性、不易伪造、易采集性决定了心音信号可以用于生物特征识别领域。该文基于安卓系统开发了一种利用心音进行身份识别的新型身份识别系统。识别算法基于MEL频率倒谱系数和矢量量化算法。该系统利用心音信号实现了用户注册,身份辨识等功能,可以准确高效地实现用户的身份识别。     

基于Teager-Huang边界谱的心音身份确认

心音信号是一种典型的非平稳信号,传统信号处理方法的应用受到很大限制,为此该文提出了基于Teager边界谱和矢量量化的心音身份确认算法。实验表明,该算法取得很好的识别效果,正确识别率达到96．6％,等错误率仅为5．1％。     

基于GMM-UBM的说话人确认系统的研究

在基于GMM的说话人确认系统中,模型的训练是为每个说话人的语音建立模型,然后通过一定的算法找到一组参数元,使似然概率最大。通过对GMM的研究提出一种改进的模糊C均值算法（FCM）并将改进后的算法应用到模型初始化中。同时,GMM在话者确认时,语音数据不足会导致识别率下降．采用能覆盖话者语音的高斯混合模型-通用背景模型（GMM—UBM）作为识别模型,通过算法比较及实验分析可知,改进算法后的系统在识别率上明显优于传统的基于GMM的说话人识别系统。     

基于GMM-UBM的说话人确认系统的研究

在基于GMM的说话人确认系统中,模型的训练是为每个说话人的语音建立模型,然后通过一定的算法找到一组参数λ,使似然概率最大。文中通过对GMM的研究提出一种改进的模糊C均值算法（FCM）并将改进后的算法应用到模型初始化中。同时,GMM在话者确认时,语音数据不足会导致识别率下降,本文采用能覆盖话者语音的高斯混合模型．通用背景模型（GMM－UBM）作为识别模型,通过算法比较及实验分析可知,改进算法后的系统在识别率上明显优于传统的基于GMM的说话人识别系统。     

计算机语声命令输入系统

本文介绍的计算机语声命令输入系统能够通过话筒直接输入语声命令,同时也可用键盘进行操作.系统采用经过实时优化的连续矢量量化聚(CVQC)算法,可在以 TMS32010为主体的高速信号处理板(UDSP-10)上实时进行语声命令的训练和识别。识别响应时间小于20ms.本文详细讨论了系统的硬件结构,识别算法和系统接口软件。最后给出了系统识别率指标。     

基于协议分析的并行聚类入侵检测模型

模糊P均值聚类（FCM）的算法是在硬P均值算法（HCM）发展而来的,虽然改进了硬产均值算法的聚类效果,但带来了时间复杂度的增加．提出了一种基于协议分析分类的并行入侵检测模型,根据协议分析将大的数据集进行分类。构成不同的数据集,先对各个数据集进行FCM聚类。然后对每个FCM聚类的结果再次进行FCM聚类．构成并行处理系统．采用协议分析技术结合高速数据包捕捉、协议解析等技术来进行分布式入侵检测,可以提高入侵检测的速度．     

基于DHMM和VQ的关键词识别系统研究

针对现有关键词识别系统采用很难用硬件电路准确描述的连续隐马尔可夫模型CHMM作为识别模型,提出用离散隐马尔可夫模型DHMM作为系统的识别模型,研究了适用于硬件实现的状态机端点检测算法,并通过引入VQ矢量量化模块来保证离散关键词识别系统的识别率和识别速度;根据关键词训练模型,分析所采集语音信息中是否存在指定的关键词并进行准确识别。实验结果表明,该算法在便于硬件实现的基础上,具有良好的识别率和实时性,为关键词识别系统的FPGA硬件电路实现研究提供了参考。     

基于言语过滤、情感补偿的活体声纹识别系统的设计

提出一种新型声纹识别系统的设计方案.有别于传统声纹识别系统的是,该识别系统的预处理部分使用言语过滤的方法,特征提取过程采用情感补偿的办法.其中,言语过滤以语音识别为技术支持,可以剔除嘈杂背景,限制冒名顶替,排除语音赝本等等;情感补偿以语音情感计算为理论基础,能够很好地解决声音漂移、伪装模仿等同题.基于这两部分提取特征数据将更加准确有效.