基于STRAIGHT算法的个性化语音生成方法

介绍了一种基于STRAIGHT语音修改算法的个性化语音的方法。对输入的语音提取基本信息,并进行频谱分析;利用STRAIGHT算法对相关参数进行修改;通过STRAIGHT合成器生成新的个性化的语音。实验结果表明,该方法可以得到高质量的个性化合成语音,MOS得分为4.18分。     

基于STRAIGHT谱的非特定人数字语音识别

介绍了STRAIGHT算法的原理,并选择STRAIGTH谱作为语音识别的特征参数．采用对应点映射方法以提高同一发音不同样本参数间的匹配效果,在特征匹配的方法上选择差别子空间法,将二者结合应用于非特定人汉语数字0～9的语音识别,实验结果表明．基于STRAIGHT谱的非特定人数字语音识别可以达到97％的识别率．     

基频轨迹转换算法及在语音转换系统中的应用研究

提出并实现了一种基于广义人工神经网络和STRAIGHT模型的高效基频轨迹跟踪算法.一方面,STRAIGHT模型可以对语音信号的基频进行较大幅度的修改而不至于引起合成语音质量的下降.另一方面,利用人工神经网络优良的预测能力,学习源说话人和目标说话人的基频轨迹之间的内在联系,实现基音频率的转换.语谱图分析、主观意见分评价结果表明:提出的基频轨迹跟踪算法在合成语音质量及目标特征映射上都远远好于传统的基频转换算法.     

高性能汉语数码语音识别算法

提出了一个高性能的汉语数码语音识别 (MDSR)系统。 MDSR系统使用 Mel频标倒谱系数 (MFCC)作为主要的语音特征参数 ,同时提取共振峰轨迹和鼻音特征以区分一些易混语音对 ,并提出一个基于语音特征的实时端点检测算法 ,以减少系统资源需求 ,提高抗干扰能力。采用了两级识别框架来提高语音的区分能力 ,其中第一级识别用于确定识别候选结果 ,第二级识别用于区分易混语音对。由于采用了以上改进 ,MDSR系统识别率达到了 98.8% .     

基于音节间相关识别单元的汉语连续语音识别算法

为提高汉语连续语音识别系统的性能,建立了音节间相关的半音节识别单元,并研究了基于这种单元的连续语音识别算法。讨论了基于 Ｄ Ｄ Ｂ Ｈ Ｍ Ｍ 模型和最大后验概率估计准则的连续语音识别的理论基础,依据动态规划的基本原理,提出了一种基于音节间相关的识别单元的汉语连续语音识别算法。依照这种算法,不但能得到最优句子侯选,而且能够在识别过程中得到音节格（即 Ｎｂｅｓｔ句子侯选）的数据结构。最后通过大词汇量非特定人连续语音识别的实验,表明了采用音节间相关的识别单元比基本的识别单元误识率有明显的降低     

基于汉语语音素材的响度算法误差研究

对两类在国际上得到广泛接受的响度模型即Moore和Zwicker时变响度模型及ITU(国际电信联盟)标准推荐响度模型进行了对比研究.通过耳机回放的主观听音实验评估了这两类响度模型在计算汉语语音素材总响度时的有效性.模型的评价采用了4种不同的统计量,对模型的绝对精度和相对精度进行了度量.研究发现,ITU-R BS.1770-4推荐响度模型相对简单,更易于对语音素材的总响度进行度量;在计算汉语语音素材的总响度时,ITU标准推荐响度模型比Moore和Zwicker时变响度模型的精度高,提高了0.5～2 dB.     

基于汉语语音音位的非特定人命令词识别算法研究

通过对汉语全音节的声母、韵首、韵腹、韵尾4部分音位分别建立HMM模型,实现对非特定人命令词的识别.该方法在识别阶段将置信度评估和不完全匹配的方法结合起来,在一定程度上提高了识别的质量.经实验证明了该算法的有效性.     

一种新型汉语语音声韵母切分方法

提出了一种基于模糊神经网络的汉语语音声韵母切分方法。该网络的输入采用了时间相依序列的并置输入形式，它的模糊层的输出值在〔０，１〕之间，提供了输入矢量对应的类别的信息，将单音节输入矢量分为噪声，声母和韵母三段，完成了音节的定位和声韵母切分。     

一种改进的语音基频轮廓提取算法

在说话人识别课题中，需要提取精确的基频轮廓作为特征参量，但通常使用传统的固定窗口长度的短时自相关函数算法并不能够适应各种不同人的发音。论文使用了一种可变窗口长度的改进算法，实验表明它有更强的适应能力。文中还介绍了一种改进的基频“野点”平滑算法，它能够在去除野点的同时，更好地保存正确点的信息。     

一种新的鉴别汉语语音信号起止点的有效算法

提出短时能频值（ＥＦＶ）的新概念，设计了用短时能频值的参量来估计语音起止点的新的有效算法，提高了语音信号与背景噪声的分辨力。运用基于短时能频值ＥＦＶ估计语音起止点的算法，研究汉语普通话音素的区别特征，上机计算分析证明了ＥＦＶ门限能够很好地从噪声中分辨出语音信号，有着较好的稳定性和较高的语音－噪声分辨力。     

平面多边形变形的向量方法

研究平面多边形的变形问题,提出了一种通过插值边向量间旋转角度及旋转矩阵的变形方法,较好地克服了顶点线性插值法引起的多边形边长变化不均匀的萎缩现象.该变形方法的计算量较小,变形过程较为自然,变形效果令人满意.     

特征点提取及视图变形技术研究

介绍了图像变形和视图变形技术,在此基础上提出了一种改进的视图变形方法．利用样条小波变换进行边缘检测,根据模极大值原理,获得单像素的轮廓边缘;针对传统的霍夫(Hough)变换的局限性,对其进行改进,并将改进后的Hough变换方法,用于从单像素边缘图像中提取直线的特征点,即端点中．在原始图像中,载入这些特征点,交互地选取其中所需的特征点,连接形成特征线段,然后使用图像变形方法,生成从起始图像到终止图像的期间过渡图像,实现两幅图像的渐变,该方法提高了特征点选取的准确性和效率,使中间过渡图像更加自然适真。     

基于UV线的几何旋转变形回弹补偿算法

针对汽车高强钢板结构件的特点和回弹变形规律,提出了一种基于UV(等参)线的几何旋转变形回弹补偿算法.该算法利用UV线对曲面进行离散,通过截面线的旋转变形原理获得离散点的变形量,并以曲面原有UV方向对变形后的离散点进行曲面重构.该算法考虑了冲压方向的回弹补偿修正量,以满足冲压工艺性.介绍了几何旋转变形算法的实现流程,并利用CAA(组件应用架构)技术将算法与CATIA(计算机辅助三维交互应用)平台无缝集成,以获得较高质量的模具几何补偿型面,可以直接用于数控加工.最后以一个典型的高强钢板汽车结构件的几何旋转变形回弹补偿来验证该算法的有效性和可行性.     

一种汉语语音网络搜索方法

语音的网络搜索,不同于传统文字输入的搜索方式,它可应用于特定的环境场合,而且汉语语音搜索将是未来网络技术发展的重要方向.本文将从汉语语言模型建立和语音网络搜索两个主要方面,给出一种适合汉语的网络搜索方法.     

加密语音在GSM话音业务信道传输的一种实现方法

移动通信系统的安全现状引发了移动语音安全课题的研究,语音加密是实现端到端语音安全通信的有效措施,但是加密后的语音数据不能直接在移动话音信道中传输.给出了加密语音在GSM话音业务信道中传输的一种实现方法,并针对GSM全速率RPE-LTP声码器,采用语音信号线性预测分析与合成技术,设计了类语音调制解调器,能够实现加密语音数据与类语音信号的可靠转换,解决了加密数据接入移动通信网的问题,并克服了GSM系统代码转换机制及话音激活检测(VAD)模块带来的不利影响,为加密语音在移动话音信道的传输提供了可能.     

加密语音在GSM话音业务信道传输的一种实现方法

移动通信系统的安全现状引发了移动语音安全课题的研究,语音加密是实现端到端语音安全通信的有效措施,但是加密后的语音数据不能直接在移动话音信道中传输。给出了加密语音在GSM话音业务信道中传输的一种实现方法,并针对GSM全速率RPE-LTP声码器,采用语音信号线性预测分析与合成技术,设计了类语音调制解调器,能够实现加密语音数据与类语音信号的可靠转换,解决了加密数据接入移动通信网的问题,并克服了GSM系统代码转换机制及话音激活检测(VAD)模块带来的不利影响,为加密语音在移动话音信道的传输提供了可能。     

改进GMM谱包络转换性能的语音转换算法研究

高斯混合模型(GMM)在语音转换中得到了广泛应用,但其最大缺点在于进行谱包络转换时存在过平滑问题.研究了过平滑现象主要由转换函数中的均值项造成.因此提出一种替换均值法,在各均值项所对应的高斯混合模型类内,使用后验概率与均值项的后验概率最接近的特征来代替转换函数中的均值项.实验表明,采用该方法的语音转换算法能有效缓解过平滑现象,改善转换语音的听觉感知特性.     

基于高斯积分的音圈电机受力解算方法

基于等效磁荷法求解了音圈电机中圆柱形永磁体的空间磁场分布,在此基础上解算出载流线圈的受力模型.对于不解析的积分计算,采用高阶高斯积分逼近法快速地获得了高精度的计算结果.通过对磁体空间磁感应强度分布的实测,得到与理论值高度吻合的测量结果,结果表明:其精度优于1%,验证了磁场模型建立的合理性与高斯积分求解的优越性,克服了传统方法进行磁场建模与积分计算精度低、速度慢的缺点.     

基于MPLS的承载语音业务技术

虽然VoIP技术正在迅猛发展,但是使用IP网络来承载语音业务存在许多缺陷.多协议标记交换(MPLS)是下一代骨干网络技术,具有许多优点.使用MPLS网络作为语音业务的载体,既可以改善语音业务的质量,还可以弥补传统IP网络的缺陷.对MPLS承载语音业务的技术--VoMPLS进行了详细的阐述,介绍了VoMPLS在相关领域的应用,并展望了VoMPLS的未来研究方向.     

基于特征项扩展的中文文本分类方法

提出了一种基于特征项扩展的中文文本分类方法.该方法首先对文档的特征词进行分析,然后利用HowNet抽取最能代表主题的特征义原,接着根据这些义原对特征项进行扩展,并赋予扩展的特征项适当权值来说明其描述能力.最后利用扩展的特征项集提取特征进行分类.该文重点研究了如何抽取特征义原,如何给扩展项设定一个合适的权值.实验证明,该文方法能增加有效的特征项的数目,使分类正确率和稳定性均得到提高.