一种新型快速的固定码本搜索方法

为降低AMR_WB中固定码本搜索算法的复杂度,在脉冲取代法的基础上提出了一种新的搜索算法,采用脉冲组合的方法,不仅降低了计算复杂度,而且保证了语音质量。实验结果表明,与AMR_WB采用的深度优先树搜索算法相比,在不影响语音编码质量的条件下,提出的快速码本搜索算法的复杂度降低了53.6%。     

IP电话网关中的自适应语音编码策略

如何改善IP电话系统的语音质量是当前通信领域中研究的一个热点,本文提出了一种应用在IP电话网关中的自适应语音编码器,该编码器能根据网络的带宽动态调节语音编码速率,从而减少语音包的丢失率、提高语音质量.在该编码器中,采用了一种基于RTP协议的语音包丢失率的计算方法,并提出了一种根据丢包率来调整编码速率的自适应策略.     

一种基于VoIP的改进WSOLA丢包隐藏算法

丢包现象严重影响VoIP的通话语音质量。WSOLA(Waveform Similarity Based Overlap-Add)算法是一种基于接收端的丢包隐藏方法,可以较好地提高语音质量。在介绍WSOLA算法原理的基础上,针对该算法中计算互相关系数所需计算量较大,会增加过多计算延时的问题,提出一种互相关系数计算的改进方法。最后通过仿真对重建语音信号质量进行了对比。     

基于Ip的甚高频传输系统的丢包补偿问题探讨

基于时分复用技术的SDH传输系统中,VHF信号因丢包而造成的语音信号失真现象并不明显.然而,基于IP协议的数据分组交换技术的新一代传输PTN系统,因传输过程中出现的延迟和丢包,会造成大量的音频质量恶化.PTN中采取音频丢包补偿技术对丢失语音数据包进行修复和还原是十分必要的.本文通过具体分析发现引入媒体相关前向差错纠正语音丢包补偿算法.可以较好的解决此类问题,同时兼顾了信号质量和开销间的平衡问题.     

实时语音的自适应回放算法

由于丢包和延时抖动的引入而使网络传输的实时语音质量让人难以接受，目前对丢包和延时抖动提出了很多的解决方案．但是却很少把这两者结合在一起进行研究。本文提出了一种新的自适应回放算法，通过监测接收和回放队列，结合丢包的自适应恢复技术，达到语音高质量的连续回放。实验证明，该算法能在严格的平均回放延时条件下努力减小由于超时而引起的丢包，获得较好的重建语音质量。     

基于G.729的网络丢包自适应语音编码器

文章分析了错误隐藏技术在不同的网络丢包情况下的性能以及不同参数的敏感程度,提出了一种非对称网络丢包错误保护技术,并与G．729语音编码器相结合,提出了一种固定码率12．0kbps的网络自适应语音编码器。实验表明其具有良好的效果。     

VoIP中丢包隐藏技术研究

由于在“尽力型通信”中不可避免的传输错误(如丢包和时延),VoIP的语音质量会潜在地降低。在许多端对端VoIP系统中,语音的服务质量(QoS)很大部分地取决于丢包率和接收端的丢包隐藏算法(PLC)。文中论述了丢包的原因,对当前普遍采用的几种丢包隐藏技术进行了初步分析并进行了比较。     

报文分流最优策略研究

在向下一代互联网络演进的过程中,一个重要的趋势是IP网络将成为语音、视频等应用的主要承栽.VoIP是一个重要的语音应用.然而,IP网络的丢包造成了VoIP的服务质量不能得到保证,并且对于VoIP而言,连续丢包对其服务质量的影响要远大于分散丢包.报文分流是近年来学术界讨论的一种提高VoIP服务质量的方法,其基本思想是把1个VoIP会话的报文分散到多个网络链路传输,从而把连续丢包转化为分散丢包,缓解丢包对VoIP服务质量的影响.然而,目前的研究只局限于用一种特定的分流策略(平均分流)说明报文分流的潜力.报文分流的理论基础,比如报文分流能在多大程度上提高VoIP的服务质量,什么是最优的分流策略等,并不明了.对报文分流的理论基础进行了研究,首次给出了分流策略与VoIP服务质量的定量关系描述,给出并证明了Bernoulli网络丢包模型下的最优分流策略.同时,以ns-2仿真实验验证了该最优分流策略在Gilbert网络丢包模型下的有效性.     

VoIP中丢包隐藏技术研究

由于在“尽力型通信”中不可避免的传输错误（如丢包和时延），VoIP的语音质量会潜在地降低。在许多端对端VoIP系统中，语音的服务质量（QoS）很大部分地取决于丢包率和接收端的丢包隐藏算法（PLC）。文中论述了丢包的原因．对当前普遍采用的几种丢包隐藏技术进行了初步分析并进行了比较。     

基于自适应变速率编码的VoIP网关的研究与应用

针对当前VoIP语音质量易受网络带宽影响的问题，提出了一种基于自适应变速率编码的VoIP网关。通过实时监测RTP语音分组的丢包率，并分析服务质量，自适应地选择最适合当前网络状况的编码速率，以提供一种语音质量和网络状况的最佳组合，从而降低语音分组的丢包率、有效地保障语音服务质量。结合开源项目Asterisk，实现了基于自适应变速率编码的VoIP网关。     

Voice activity detection algorithm using nonlinear spectral weights,hangover and hangbefore criteria

This paper introduces a nonlinear function into the frequency spectrum that improves the detection of vowels, diphthongs, and semivowels within the speech signal. The lower efficiency of consonant detection was solved by implementing the hangover and hangbefore criteria. This paper presents a procedure for faster definition of those optimal constants used by hangover and hangbefore criteria. A nonlinearly changed frequency spectrum is used in the proposed GMM (Gaussian Mixture Model) based VAD (Voice Activity Detection) algorithm. Comparative tests between the proposed VAD algorithm and seven other VAD algorithms were made on the Aurora 2 database. The experiments were based on frame error detection and on speech recognition performance for two types of acoustic training modes (multi-condition and clean only). The lowest average percentage of frame errors was obtained by the proposed VAD algorithm, which also achieved positive improvement in the speech recognition performance for both types of acoustic training modes.     

基于自适应加权谱内插的宽带语音编码算法

提出了一种基于自适应加权谱内插(STRAIGHT)的宽带语音编码算法。输入的语音信号首先经过STRAIGHT分析得到精确的基频参数和谱参数，然后通过时域抽取和频域建模实现有效的编码压缩。在时域抽取时采用的区别于传统编码算法固定帧长的自适应可变帧长方法，使得编码存储量可以根据实际语音变化情况得到更加合理的分配。主观测听结果表明，该算法针对16kHz采样的语音信号，在6kbps码率上可以取得与AMR-WB(G．722．2)在8．85kbps时的相当的音质效果。此外，该算法还具有对恢复语音的时长、基频以及谱参数较强的调整能力。     

基于码本学习的改进谱减语音增强算法

提出一种可适应非平稳噪声环境的基于码本学习的改进谱减语音增强算法。该算法分为训练阶段和增强阶段。训练阶段,使用自回归模型对语音和噪声的频谱形状进行建模并构造语音和噪声码本;增强阶段,采用对数谱最小化算法估计出语音和噪声的频谱,通过谱相减消除噪声。算法在每个时间帧估计语音和噪声频谱,即使在语音存在时仍能够有效跟踪快速变化的非平稳噪声;采用自回归模型能得到噪声频谱的平滑估计,减少了音乐噪声。实验仿真表明,相比于传统谱减法和多带谱减法,改进的谱减法具有更好的噪声抑制性能并且语音失真更小。     

一种改进型谱减算法的语音增强研究

针对低信噪比条件下基本谱减算法存在降噪效果不佳,产生音乐噪声过大,语音可懂度不高的问题,提出了一种改进型的谱减算法。算法先计算语音信号的倒谱距离值,检测出噪音段和语音段,用动态计算的噪声值代替基本谱减法采用的噪声统计均值;根据当前帧和噪声帧的倒谱距离比值动态设置谱减系数,改进了传统算法中谱减系数保持不变的缺点;同时采用三种方法抑制音乐噪声。仿真实验表明,在低信噪比情况下,改进型的谱减算法可以有效降噪,提高信噪比和可懂度,达到语音增强的目的。     

基于卷积神经网络的面罩语音识别

针对带噪面罩语音识别率低的问题,结合语音增强算法,对面罩语音进行噪声抑制处理,提高信噪比,在语音增强中提出了一种改进的维纳滤波法,通过谱熵法检测有话帧和无话帧来更新噪声功率谱,同时引入参数控制增益函数;提取面罩语音信号的Mel频率倒谱系数(MFCC)作为特征参数;通过卷积神经网络(CNN)进行训练和识别,并在每个池化层后经局部响应归一化(LRN)进行优化.实验结果表明:该识别系统能够在很大程度上提高带噪面罩语音的识别率.     

一种改进的基于时域参数的语音切分算法

本文探讨了基于时域的语音切分算法，在前人研究的基础上，提出一种改进算法——自适应、前后搜索和检测短时脉冲噪音算法。该算法主要利用语音信号的短时参数，采用统计的方法定出切分所需要的阈值，根据背景音和静音过零率的不同，进一步搜索符合要求的静音帧，同时滤去短时脉冲噪音。实验证明，该算法准确率很高，有很好的鲁棒性，允许误差在60ms的范围内，对于原始语音切分错误率为5．04％；在信噪比（SNR）大于等于2dB的情况下。对带噪语音的切分错误率为10％～20％。     

拉普拉斯分布下的MMSE谱减语音增强算法

针对基于高斯分布的谱减语音增强算法,增强语音出现噪声残留和语音失真的问题,提出了基于拉普拉斯分布的最小均方误差（MMSE）谱减算法。首先,对原始带噪语音信号进行分帧、加窗处理,并对处理后每帧的信号进行傅里叶变换,得到短时语音的离散傅里叶变换（DFT）系数;然后,通过计算每一帧的对数谱能量及谱平坦度,进行噪声帧检测,更新噪声估计;其次,基于语音DFT系数服从拉普拉斯分布的假设,在最小均方误差准则下,求解最佳谱减系数,使用该系数进行谱减,得到增强信号谱;最后,对增强信号谱进行傅里叶逆变换、组帧,得到增强语音。实验结果表明,使用所提算法增强的语音信噪比（SNR）平均提高了4.3 dB,与过减法相比,有2 dB的提升;在语音质量感知评估（PESQ）得分方面,与过减法相比,所提算法平均得分有10%的提高。该算法有更好的噪声抑制能力和较小的语音失真,在SNR和PESQ评价标准上有较大提升。     

Fast unsupervised adaptation based on efficient statistics accumulation using frame independent confidence within monophone states

This paper proposes a fast unsupervised acoustic model adaptation technique with efficient statistics accumulation for speech recognition. Conventional adaptation techniques accumulate the acoustic statistics based on a forward–backward algorithm or a Viterbi algorithm. Since both algorithms require a state sequence prior to statistic accumulation, the conventional techniques need time to determine the state sequence by transcribing the target speech in advance. Instead of pre-determining the state sequence, the proposed technique reduces the computation time by accumulating the statistics with state confidence within monophone per frame. It also rapidly selects the appropriate gender acoustic model before adaptation, and further increases the accuracy by employing a power term after adaptation. Recognition experiments using spontaneous speech show that the proposed technique reduces computation time by 57.3% while providing the same accuracy as the conventional adaptation technique.     

一种基于粒子滤波的混合声源跟踪算法

为了提高噪声和混响环境中说话人跟踪的精度,提出一种基于粒子滤波的混合声源跟踪算法。根据接收信号信噪比变化较大的特点,该算法使用相位变换加权的可控响应功率定位函数来计算每帧信号的粒子状态观测值,利用其方差将接收信号帧分为高信噪比和低信噪比两种。对于高信噪比帧,仍采用该定位函数构造的似然函数来评价粒子权重,对于低信噪比帧,则采用常规可控波束形成定位函数构造的似然函数来评价粒子权重。仿真结果表明,在平均信噪比较高的条件下,该算法的跟踪性能与传统算法接近;在平均信噪比低于10 dB,混响时间大于200 ms的条件下,跟踪误差比传统算法减少20%~30%。