语言辨识的矢量量化方法

与语音处理的其他领域相比，自动语言辨识是一个相对较新的研究，而且是一项较难的课题。本文给出了语言辨识的两种矢量量化方法，并利用OGI-TS电话语音库对2种算法的性能进行了测试，然后给出了实验结果。2种算法的最佳识别率分别为65.38%和’73.08%。     

16kbit／s LD—CELP算法的再研究

着重讨论了采用新的基音提取方法来减少Ｇ．７２８建议的１６ｋｂｉｔ／ｓ ＬＤ－ＣＥＬＰ算法的解码器的工作量，以进一步提高这一算法实时处理的可能性，简要探讨了此算法对汉语这种有调语言的影响。     

矢量量化的几何方法

矢量量化是一种非常重要的数据压缩技术.其应用最多的聚类算法复杂度随着码率和维数的乘积指数增长.为了减小复杂度,本文给出几种适用于特定信源的几何矢量量化方法如适用于高斯信源的椭球矢量量化(EVQ),适用于拉普拉斯信源的棱锥矢量量化(PVQ).最后,针对几何分布不规则的一般信源,给出一般的几何矢量量化方法--标量矢量量化(SVQ).     

基于矢量量化改进算法的说话人识别

给出一种采用LPCCEP特征参数和改进矢量量化的数字音说话人识别方法，该方法适于说话人集合适中(100人以内)情况，具有训练简单、存储数据量少、响应快等特点．为提高系统的识别率和可靠性，系统采用了方差修正的VQ改进算法，使建立的说话人模型考虑了说话人帧特征概率分布的更精细结构．实验结果表明，改进后的方法对提高系统的识别率效果明显。     

图象矢量量化：改进的竞争学习算法

用神经网络实现图象矢量量化是一种非常有效的方法。在对竞争学习算法（ＣＬ）和频率敏感竞争学习算法（ＦＳＣＬ）分析的基础上，提出了一种改进的竞争学习算法（ＭＣＬ），实验表明，ＭＣＬ算法优于ＣＬ算法和ＦＳＣＬ算法。     

图象矢量量化的神经网络实现

讨论用神经网络方法实现图象矢量量化,提出了三种修正的自组织特征映射算法,即频率敏感法,主次分明法和综合法,设计了一种图象矢量量化的神经网络编码器,最后,给出了计算机模拟结果。     

用模糊聚类神经网络设计图象矢量量化码书

讨论了一种模糊聚类神经网络模型，给出了将该模型用于图象矢量量化码书设计的学习算法，实验结果表明，模糊聚类神经网络可以为图象矢量量化压缩编码提供一种新的码书设计方法。     

一种基于旋转Barnes－Wall格的格型矢量量化器

文中提出了一种基于旋转Ｂａｒｎｅｓ－Ｗａｌｌ格的格型矢量量化器（ＬＶＱ）实现方法。首先给出了该矢量量化器的构造方法及快速量化算法，然后研究了以此ＬＶＱ为核心的增益－波形矢量量化器（ＧＳＬＶＱ），最后讨论了ＧＳＬＶＱ在序列图像编码中的应用，计算机模拟结果表明ＧＳＬＶＱ能很好地适用于序列图像编码。     

条件刷新和矢量量化相结合的序列图像编码方法

文中提出了一种与矢量量化相结合的条件刷新序列图像编码方法．并对基本的条件刷新法的像素块的划分，量化门限的选取和非零像素块的地址编码做了研究．可以看出，矢量量化技术和条件刷新相结合的方案进一步提高了编码效率，利用查表法来实现矢量量化，提高了编码速度．文中同时也给出了方案的计算机模拟结果．     

16kbit／sLD－CELP算法的再研究

着重讨论了采用新的基音提取方法来减少Ｇ，７２８建议的１６ｋｂｉｔ／ｓＬＤ－ＣＥＬＰ算法的解码器的工作量，以进一步提高这一算法实时处理的可能性，简要探讨了此算法对汉语这种有调语言的影响。     

面向真实噪声环境的语种识别

语种识别受真实噪声环境的影响较大,识别效果不佳. 为了解决真实噪声环境下语种识别的问题,提出一种基于对数灰度语谱图的图像处理语种识别方法. 根据噪声能量和语音能量在语谱图上的分布规律对真实噪声中的语音信号进行带通滤波;再结合人耳听觉特性提取对数灰度语谱图;然后提取图像主成分特征作为语种特征,采用残差神经网络模型进行训练测试. 实验结果表明,在掠夺者战斗机驾驶舱的环境下,所提方法的平均识别正确率相对于线性灰度语谱图方法提升了27.5%,在其他噪声环境下的平均识别正确率也有提升.     

智能语音识别系统中噪声估计算法的研究和改进

智能语音识别技术的研究已有较长的时间,但由于语音信号本身所具有的多变性、瞬时性、连续性和动态性的特征,使得机器在不同的环境尤其是噪声环境中进行语音信号的识别仍具有一定的困难.为了提高带噪语音信号识别的准确率,本文研究了一种常用的噪声估计算法,即基于后验信噪比的时间递归平均算法.并在此算法的基础上提出了一种对平滑因子的改进算法,将语音活性检测算法与这两种算法在不同输入信噪比下进行模拟验证.通过运算结果的对比分析可以看出,改进后的算法相比于语音活性检测算法最高可以使输出分段SNR提高2.1 dB,相比于原时间递归平均算法最高可以使输出分段SNR提高0.5 dB,表明低输入SNR下改进后的算法可以有效提高语音信号的质量和可懂度.     

Improved hidden Markov model for speech recognition and POS tagging

In order to overcome defects of the classical hidden Markov model (HMM), Markov family model (MFM), a new statistical model was proposed. Markov family model was applied to speech recognition and natural language processing. The speaker independently continuous speech recognition experiments and the part-of-speech tagging experiments show that Markov family model has higher performance than hidden Markov model. The precision is enhanced from 94.642% to 96.214% in the part-of-speech tagging experiments, and the work rate is reduced by 11.9% in the speech recognition experiments with respect to HMM baseline system.     

自适应语音抗噪技术的实时实现

在对自适应语音抗噪技术实时实现的可行性分析的基础上 ,提出了实时处理所需的基于TMS32 0 C32 (DSP)的硬件平台 ,采用两块 TL C32 0 44 CN(A/ D,D/ A转换器 )做成了与 TMS32 0 C32的接口板 ,实现了两路无相差信号的采集 ,形成了语音处理工作站样机。通过对几种自适应算法的分析比较 ,最后选择恰当的算法和滤波器结构实现了语音抗噪的实时处理 ,对信噪比的改善达 12 d B.     

基于TSG110的语音识别控制器

目的研究用自然语言向智能家居系统进行信息输入和对相关设备的控制及语音识别控制器设计．方法通过对语音信号特点和识别技术的分析，对语音识别系统的语音特征提取、声学模型与模式匹配、语言模型与语言的处理，阐述了HMM算法和DP匹配的语音识别算法，指出孤立词识别系统结构的特点．结果利用TSG110芯片，给出语音识别控制器的识别技术和系统硬件结构、软件设计及组成方法．结论语音识别技术运用于智能家居系统的语音识别控制器，使其具有语音分析、识别和系统控制等功能，实现信息输入与控制．     

基于改进DTW的彝语孤立词识别研究

彝语的语音识别与处理是语音信号处理领域的一个新方向.本文在深入分析彝语特点的基础上,对用于汉语孤立词识别的经典端点检测算法进行了改进.探讨了动态时间规整算法(Dynamic Time Warping,DTW)和高效动态时间规整算法(Efficient DTW,EDTW)在彝语孤立词识别中的应用,并提出了两种新算法:基于音节个数的动态时间规整算法(Syllable Number Based Improved DTW,SDTW)和基于音节个数的高效动态时间规整算法(Syllable Number Based Improved EDTW,SEDTW),对特定的彝语语音信号进行识别.实验结果表明,所提出的两种新算法分别在信号识别率和识别时间上比经典算法优越.     

广义Riccati矩阵方程异类约束解的两种迭代算法

针对在时变系统中提出的广义Riccati矩阵方程约束解问题,基于共轭梯度算法原理建立了两种求广义Riccati矩阵方程异类约束解(对称和反对称解)的算法,即非精确牛顿修正共轭梯度算法(In-Newton-MCG算法)和非精确牛顿正交投影算法(In-Newton-OPA算法),并给出了两种算法收敛性结论和两种算法的数值实...     

语音识别中深度神经网络目标值优化

语音识别系统中,由强制对齐得到的用于训练深度神经网络声学模型的目标值,常常无法精准地表示出语音实际的情况,这是因为用于强制对齐的模型可能与处理语句不完全匹配,以及发音连续性导致的过渡边界难以分离等问题。针对这一问题,该文提出了一种利用前后向算法得到非0-1分布目标值的方法。新的目标值可以表示出某一帧以一定概率属于邻近各状态的分布情况,更详细地描述建模单元之间的过渡,进一步还原语音的原貌,提升模型的鲁棒性。同时,为寻求模型鲁棒性和建模单元区分度之间的平衡,对算法得到的目标值进行加窗处理。实验在中文客服问答领域上进行,在小数据量上验证了目标值对于训练的较大影响,并且选取了窗长宽度这一参数。最后将训练数据量提升至60小时,80小时以及100小时,结果显示新的目标值训练得到的模型在识别性能上获得了一致的提升,相对字错误率下降1.10%至3.65%。多组实验验证了新的目标值对模型训练有一定效果,在训练数据量上升的情况下依然具有有效性。     

会话修补与英语听力实况教学

在现有会话修补理论基础上,结合英语本族语者会话修补实例分析,就会话修补模式的某些规律和特征以及实况语言与言语偏误的关系进行了探讨。展开了以会话修补理论为指导的英语听力实况教改实验,旨在提示英语听力实况教学对学习者听力能力的提高起着重要作用。     

一类时变参数的递推辨识方法

本文对线性时变系统的参数辨识方法进行了分析和研究,提出了一类新的时变参数递推辨识方法。算法假定时变参数由自回归模型表示,并保证辨识算法结构传递矩阵正实或严格正实。本文分别给出了白噪声和有色噪声情况的两种递推辨识算法,证明了它们的一致收敛性。结构分析表明,最小二乘估计和朗道自适应串联辨识算法是这类辨识方法的特例。在给定的结构条件下,辨识算法对周期和单调变化的时变参数有一定的跟踪能力。