基于TVAR模型和粒子滤波的语音增强方法

实际的语音以及语音中掺杂的噪声一般都是非平稳的。本文详细分析了TVAR（时变自回归模型）语音系统模型，把利用TVAR模型增强语音分解成卡尔曼滤波和粒子滤波两步，以减小运算量。同时在粒子滤波中，为克服粒子退化效应，引入了粒子重采样技术提高粒子滤波精度。实验证明，这种增强语音方法无需对语音分帧处理，无需要求噪声是否平稳，能很好地跟踪语音信号的非平稳性，对系统初始值设置不敏感，增强后的语音信号信噪比得到明显改善。     

汉语语音视觉合成研究数据库CVSS1.0

目前现有的双模态语音数据库多为外文，且绝大部分都是为语音识别或身份认证服务的。鉴于此，我们根据汉语语音的特点，建立了国内第一个较为完备的汉语语音视觉合成数据库CVSS1．0。它具有如下特点：包含136个单音节和265个连续发音语句的视频和音频数据，其语料规模超出目前同类数据库；语料是在汉语发音方式归类的基础上，依据汉字出现频度的高低选取，其中的独白语句涵盖了大部分的韵律结构，因此其反映的规律具有代表性；记录了脸部发音动作的三维运动信息；用绿点标出了部分MPEG4定义的脸部特征点，方便跟踪；可服务于多种视觉语音合成研究，有很高的通用性。     

利用基音和MFCC的性别分类器的设计与实现

在分析了基音频率参数、MFCC参数间关系以及二者与说话者性别之间联系的基础上，根据贝叶斯网络基本理论，构建了一种贝叶斯网络结构，并给出了依据该结构的性别分类器的构建和分类方法。通过多组实验，对比了不同MFCC参数对性能的影响，解析了该性别分类器的性别区分有效性。     

语音合成技术的发展与展望

阐述了语音合成的内涵和框架，对语音合成技术的算法和韵律研究现状做了系统的总结，分析了该领域目前所面临的问题。并介绍了基于谐波噪声内核的合成系统的实现。最后对高质量语音合成系统的属性做了阐述，对未来的发展做了展望。     

一种能够检测所有交叉歧义的汉语分词算法

本文给出了一种能够检测句子中所有交叉歧义的汉语分词算法.该算法基于"长词优先"的切分原则.它解决了切分路径数随句子长度的增长而呈几何级数增长的问题,并且提供了一种方法可将句子的覆盖歧义和交叉歧义分开处理.算法的运算复杂度为O(N),N为句子长度.它的输出使得进行下一步处理的运算量大大减少.     

基于清浊音状态空间模型语音增强算法

基于语音状态模型的语音增强算法是当前语音信号处理的研究热点。把通常的LPC语音模型修正后,将得到两个语音模型:时变AR模型、时变双AR模型。但是利用这些模型增强语音时,都没有考虑到语音的清音、浊音区别。为此本文引入了语音清浊音状态空间模型,这种模型在描述语音方面比时变AR模型、时变双AR模型要强,而且物理含义明显。同时在用含噪语音信号预测纯净语音信号时,引入遗忘因子和粒子滤波算法以降低计算复杂性,减小运算量。实验证明,增强后的语音信号信噪比有一定提高,且优于传统的LPC模型。     

电话语音监控系统的设计与实现

本文介绍了一种新的电话语音监控系统，该系统利用电话语音卡将通话双方的通话信号采集进计算机，再利用自动语音识别技术对双方的通话内容进行识别，以实现对通话的监控。本文首先分析了该系统的工作流程，并介绍了各主要功能模块的工作原理及其具体实现，最后对系统中各个工作线程之间同步的实现进行了分析。     

一种语音信号非周期性、周期性及基频检测的改进方法

APP方法可以准确检测语音信号中的非周期性、周期性和基频,是近年提出的一种先进检测新方法,对于语音基础研究和语音技术应用研究有重要作用。APP方法的最大优点是可以同时检测语音信号的基频周期、周期成分和非周期成分的能量比例,而最大缺点是计算代价巨大,运行时间为110倍实时,成为实际应用的最大障碍。该文在深入剖析APP方法的基础上,从原理架构和技术实现两个方面消除不合理的冗余处理,提出新的改进途径,发展成为改进的APP方法,即MAPP方法。MAPP方法不但加强了APP方法处理机制的合理性基础,改善基频检测的准确性和鲁棒性,而且提高计算效率约1个数量级,在CPU时钟频率为1.70GHz和内存为512MB的Pentium 计算机上的运行时间加快到12.3倍实时。     

基于音频的电视新闻节目的主题检索和聚类

随着流媒体应用的蓬勃兴起,基于媒体内容的检索和管理逐渐成为当前的学术研究热点。新闻节目作为电视节目的一种常见形式,对其主题进行自动提取检索具有重要的实际意义。该文从电视新闻节目的音频入手,综合应用了播音室语音/非播音室语音分类、说话人转换点检测以及按说话人聚类等多种技术,实现了对电视新闻节目的主题的检索和聚类。实验表明,该文中的方法能够找到新闻节目中96%以上的播音室段落,并对其进行准确归类,显示了这种方法的可行性和潜在价值。     

基于MBIC的决策树聚类算法在连续语音识别中的应用

提出了一种采用最小贝叶斯信息准则（Minimum Bayesian Information Criterion,MBIC）来最优化控制决策树结点分裂程度的算法。首先在理论上证明了MBIC能够较好地解决模型参数复杂度与训练数据集规模之间的权衡问题,然后给出了基于MBIC的决策树分裂停止准则的计算公式。汉语连续语音全音节识别实验表明：与传统的最大似然准则（Maximum Likeihood Criterion,MLC）相比,MBIC对声学模型参数和训练数据集的变化具有更好的适应能力。