基于深度卷积神经网络的语音信号去噪关键技术研究

随着人工智能技术的不断创新发展,语音识别技术一直在迭代升级,而语音去噪是语音识别领域中关键研究点之一.由于这些外界干扰声的存在,就使得原本的语音信号变得不再纯净,或多或少会对所需传输的语音信号有所影响.传统的信号分析以傅立叶变换为基础,但傅立叶分析属于全局变换,变换只能全部在时域变换或在频域变换.因此,傅里叶变换不能获...     

多分量非平稳声信号时频分析

为了准确提取信号所包含的主要频率分量,对多分量非平稳声信号进行了时频分析。利用短时傅立叶变换将多分量非平稳声信号由时域变换到时频域,根据谱图提取信号的主要频率分量。分析结果表明：多分量非平稳信号的各主要频率分量及其时频域特性参数可以准确提取。短时傅立叶变换是提取多分量非平稳声信号主要频率分量的有效方法。     

短时傅立叶变换在振动信号处理中的应用

短时非平稳振动信号往往淹没于较长时间的平稳或准平稳段落之中,从而忽略对其处理,使深入分析信号的全貌受到限制。针对实测振动信号中的这类信号,引进短时傅立叶变换进行局部数据处理,得到良好的时频分辨率,为全面分析振动信号特性提供了一种方法。     

基于Hilbert-Huang变换的含噪语音特征分析

应用Hilbert-Huang变换方法对语音特征进行分析,提高低信噪比语音端点检测的正确率.对语音信号进行Hilbert-Huang变换,得到语音信号在时域和频域上的能量分布,建立语音信号的时间–频率–振幅的三维Hilbert谱分布以及边际谱分布进行特征分析,最后通过语音端点检测验证Hilbert-Huang变换分析含噪语音特征及降噪的有效性.通过语音端点检测的结果表明,经过 Hilbert-Huang变换对含噪语音分析降噪后,检测准确率有显著提高.Hilbert-Huang变换方法能够真实描述语音信号的非线性以及非平稳特性,具有广泛的应用前景.     

基于贪婪稀疏优化的欠定语音盲分离方法

提出一种基于语音信号稀疏特征的稀疏分量分析两步法,力图提高欠定情况下的语音信号盲分离性能.不同于传统的两步法,所提方法需要获取语音信号在变换域中的稀疏特征,将贪婪最优化思想引入至稀疏分量分析方法中,重构欠定盲分离语音源信号.通过仿真对比实验,展示了该方法应用于平稳声音信号和非平稳语音信号的盲分离效果,它能较好恢复语音源信号.与现有的最短路径法相比,所提算法可以提高两路以上观测信号的分离性能.相较于平滑L0范数算法,所提算法可以有效提高来波方向较近的语音盲信号分离性能.该方法具有更广阔的适用范围.     

基于扩频技术的音频水印处理算法的研究

目前的数字水印算法,主要集中在针对图像和视频,对音频、语音数据产品的数字水印算法研究仍然较少,需要提出更多的有效的针对音频、语音数据的数字水印算法。该文以二值图像作为数字水印信息,以音频为嵌入对象,在离散傅立叶变换域的系数上嵌入水印。在离散余弦变换域,采用扩频技术通过对变换域系数进行量化来嵌入水印信息,在水印的提取过程中不需要原始音频信号的参与。     

基于小波变换多分辨率特性的语音消噪方法的研究

小波分析是一种信号的时间——尺度分析方法，特别适合于非平稳信号的分析，具有多分辨率分析的特性，而且在时频两域都具有表征信号局部特征的能力。通过分析语音信号的特性，利用小波变换的多分辨率分析特性，提出了首先对信号进行清浊音判断，其次运用多尺度多闽值方法来抑制包含有噪声的语音信号在不同尺度上的噪声小波系数，从而实现在重构语音信号中消噪的目的，并通过计算机仿真结果验证了该方法的有效性。     

遗传算法在周期信号傅立叶变换中的应用

为了克服周期信号进行傅立叶变换时各次谐波幅度值需要进行复杂的理论计算问题,提出一种利用遗传算法进行周期信号傅立叶变换的方法,介绍了周期信号傅立叶变换和遗传算法的基本原理;给出了使用遗传算法对周期信号进行分解适应度函数的实现方法和确定各次谐波幅值计算的方法。并提供使用遗传算法对周期信号进行分解的具体步骤。仿真实验结果表明:该方法能够满足周期信号傅立叶变换的要求,与周期信号傅立叶变换理论计算方法相比,其突出优点是算法简单,易于实现。     

Hilbert-Huang变换在语音信号精细时频分析中的应用

语音信号是一种典型的非平稳信号,其特性及表征本质特征的参数均是随时间变化的,而时频分析是分析时变谱的有力工具,Hilbert-Huang变换是一种新型的具有自适应性的时频分析方法,对于非线性、非平稳信号有清晰的物理意义,通过HHT变换,能够得到信号的时间-频率-振幅三维分布特征。分析了HHT算法的原理,采用了合适的端点效应处理方法提高了EMD的分解精度,通过仿真实验得到了语音信号更加精细的时频结构,并与STFT、WVD及Choi-Williams分布进行了对比,显示了HHT算法的优越性。     

针对语音变换的语音篡改检测

针对使用语音变换技术的语音篡改,提出一种自动检测方法。在分析语音变换基本模型和变换语音失真的基础上,提取语音信号的声道参数以及相关的信号统计量,并通过支持向量机递归特征消除法,选择出对语音变换比较敏感的特征作为分类特征,使用支持向量机进行语音变换检测和变换语音的说话人性别判别。对于一种语音变换软件的实验结果表明,该方法具有较高的检测准确率,其中语音变换检测的平均准确率为94.90%,变换语音的说话人性别判别平均准确率为92.09%。     

基于语音增强的双门限语音端点检测算法

语音端点检测是语音信号处理过程中的一个重要步骤,其准确性对语音信号处理有直接影响.传统的双门限语音端点检测技术,在纯净语音或高信噪比的情况下,语音端点判断准确,但低信噪比的情况下,端点识别率很低,出错率较高.为了提高低信噪比条件下语音端点检测的识别率,在传统双门限语音端点检测的基础上融合了语音增强,通过Matlab仿真实验,取得了较高的语音端点检测准确率.     

听觉模型与语音信号处理方法的研究

在通信领域中,语音编码是语音信号处理的重要分支。为了适合信道传输,语音必须变换形式,基于承载信息并且保留信号,尽可能地处理。在当今的通信、计算机网络等应用领域中,具备低延迟、低码率两大特性的语音编码算法,发挥着决定性作用。在语音编码中,线性预测分析技术主要应用在感觉加权滤波器、综合滤波器及对数增益滤波器,该技术发挥着关键作用。文中的工作是呈现出一种混合LPC（Auditory-Acoustic-Hybrid-LPC）系数,它结合声学特性与听觉特性,以便提高编码后合成语音的听觉质量,这对编码算法的钻研有积极意义。     

一种基于宽带噪声的同态滤波语音增强算法分析

语音通信中,强烈的背景噪声会影响语音信号的传输质量,为了提高语音通信的抗噪声性能,针对说话时伴随着呼吸引起的宽带噪声,分析传统抗噪声方法存在的问题,提出自相关与同态滤波相结合的改进方法,对纯净的语音信号和噪声信号进行分离,提取纯净语音信号.通过实验仿真明显提高了语音处理系统的传输质量,达到了语音增强的目的,其鲁棒性更好.     

基于FPGA+DSP架构的数字音频处理技术研究

为了解决航空机载环境下飞行员通话强噪声问题,提出了一种基于FPGA+DSP架构的数字话音处理系统.系统由模拟部分和数字部分组成,模拟部分完成话音信号的匹配、滤波、放大和AD/DA转换;数字部分设计了一种音频处理算法,对话音信号进行活动检测、噪声抑制和话音增强等处理.试验结果表明,该系统能够有效抑制通话噪声、增强话音信号,提高了飞行员通话的可懂度和舒适度.     

数字滤波器的设计与实现方法

在数字信号处理中,数字滤波占有极其重要的地位。数字滤波是语音和图象处理、模式识别、谱分析等应用中的一个基本处理算法。在许多信号处理应用中用数字滤波器替代模拟滤波器具有许多优势。用DSP芯片实现数字滤波除了具有稳定性好、精确度高、不受环境影响外,还具有灵活性好的特点。该文对数字滤波器的设计与实现方法进行了研究。     

相位调整法实现语音变速的实时处理

语音的变速(变快或变慢)处理是目前十分流行的一项语音处理技术.语音信号是时变的,但这种时变特征相对于语音信号的频率而言其变化是非常缓慢的.短时傅里叶分析是分析缓慢时变频谱的一种简便方法.介绍了利用短时傅里叶分析,从频域的角度,采用相位调整法来对语音信号进行变速的实时处理,并用DSP芯片ADSP2188M进行了仿真,其结果较令人满意,基本达到了变速不变调、音质高保真的效果.     

语音信箱中的DSP并行处理系统设计

根据语音信箱系统的需要，给出了一种基于ＴＭＳ３２０Ｃ５０时分多用串口上的ＤＳＰ并行处理子系统的硬件设计和软件应用。它可同时完成多路语音信号的处理，而语音处理程序可以加载，提高了系统的灵活性。同时该子系统的应用不只限于语音处理，也可用于其它需要进行多路数字信号处理的场合。     

Correction of pathological speeches and assistance to learners with vocal disabilities

This work describes a new methodology for correcting voice defects contained in the Arabic speeches and assisting learners of Arabic vocabulary. For this purpose, we follow four stages. The first step consists in localizing the vocal disabilities which degrade an Arabic voice signal, so we focus on comparing between a referenced probabilistic-phonetic model and a speaker model. Second, we differentiate two cases: Degraded speeches can be generated from pathological problems, or it can be produced by non arabophone learners. Hence, we compare between forced alignment scores. Third, we develop a new algorithm to correct pathological pronunciations. The last task is the conception of an application assisting learners of Arabic vocabulary in improving their pronunciation. The achieved results are encouraging. Moreover, learners of Arabic vocabulary have presented a good amelioration using the developed application. A lot of applications that design systems of voice signal processing can use our proposition.     

Hidden Markov model-based packet loss concealment for voice over IP

As voice over IP proliferates, packet loss concealment (PLC) at the receiver has emerged as an important factor in determining voice quality of service. Through the use of heuristic variations of signal and parameter repetition and overlap-add interpolation to handle packet loss, conventional PLC systems largely ignore the dynamics of the statistical evolution of the speech signal, possibly leading to perceptually annoying artifacts. To address this problem, we propose the use of hidden Markov models for PLC. With a hidden Markov model (HMM) tracking the evolution of speech signal parameters, we demonstrate how PLC is performed within a statistical signal processing framework. Moreover, we show how the HMM is used to index a specially designed PLC module for the particular signal context, leading to signal-contingent PLC. Simulation examples, objective tests, and subjective listening tests are provided showing the ability of an HMM-based PLC built with a sinusoidal analysis/synthesis model to provide better loss concealment than a conventional PLC based on the same sinusoidal model for all types of speech signals, including onsets and signal transitions.     

语音频谱分析仪设计

语音频谱分析已经广泛应用到医疗、语音教学、语音编码、语音增强和语音识别等领域,并在这些领域发挥着非常重要的作用。这里介绍了语音信号频谱分析的原理及智能语音信号频谱分析仪的硬件结构和软件设计。语音信号频谱分析仪由32位ARM为主控制器,通过ARM自带的A/D转换接口,对语音信号进行采样,并以数组形式保存,然后通过FFT快速傅氏变换运算得到频谱,再通过高分辨率的液晶屏对语音信号的频谱进行实时显示。