基于声门波和声道特征的语音情感识别

语音情感识别是实现自然人机交互不可缺失的部分,是人工智能的重要组成部分。发音器官的调控引起情感语音声学特征的差异,从而被感知到不同的情感。传统的语音情感识别只是针对语音信号中的声学特征或听觉特征进行情感分类,忽略了声门波和声道等发音特征对情感感知的重要作用。在我们前期工作中,理论分析了声门波和声道形状对感知情感的重要影响,但未将声门波与声道特征用于语音情感识别。因此,本文从语音生成的角度重新探讨了声门波与声道特征对语音情感识别的可能性,提出一种基于源-滤波器模型的声门波和声道特征语音情感识别方法。首先,利用Liljencrants-Fant和Auto-Regressive eXogenous(ARX-LF)模型从语音信号中分离出情感语音的声门波和声道特征;然后,将分离出的声门波和声道特征送入双向门控循环单元（BiGRU）进行情感识别分类任务。在公开的情感数据集IEMOCAP上进行了情感识别验证,实验结果证明了声门波和声道特征可以有效的区分情感,且情感识别性能优于一些传统特征。本文从发音相关的声门波与声道研究语音情感识别,为语音情感识别技术提供了一种新思路。     

一种复倒谱相位分解的声门波估计方法

逆滤波法估计声门波含有较多的谐波成分,为了减小这种误差,本文提出一种复倒谱相位分解的声门波估计方法。首先估计嗓音信号的基音周期,利用复倒谱将每个基音周期内嗓音信号分解为最大相位信号与最小相位信号,经过微分运算后与声门闭合点位置结合,实现微分声门波估计。对微分声门波积分,即为所估计的声门波。采用迭代自适应逆滤波方法和本文方法提取的声门波进行参数提取。实验结果表明,本文方法提取的声门波更能反映声带振动特性,声门开相、闭相信息明确,有效减小声源谐波成分和声道干扰。在估计微分声门波最小值时表现出最佳性能,估计误差低至0.25%。89%的时域参数与标准值的误差均小于10%     

基于线性预测的盲最小均方误差均衡器

盲过采样均衡器仅用二阶统计量便可减小码间干扰,该文采用线性预测方法,提出了一种盲最小均方误差(MMSE)均衡器。该方法不需要先估计信道,可直接利用过采样的接收信号均衡信道。此外,该均衡器可采用递推最小二乘算法自适应地实现,具有较高的计算效率。仿真结果表明,该均衡器比基于线性预测的盲置零均衡器有更小的符号估计均方误差。     

线性神经网络在语音干扰效果评估中的应用

客观干扰效果评估方法研究是进行语音干扰效果评估方法研究的一个主要方向,在系统介绍线性神经网络结构、功能的基础上,具体分析了带延迟线的线性神经网络的信号预测能力.并对语音信号进行了预测,得到利用线性神经网络预测误差进行语音干扰效果评估的方法,给出了该方法的具体运算步骤,并通过一组数据验证了该参数的一致性.     

基于声门闭合瞬间检测的时延算法研究

阐述了基于声门闭合瞬间检测的时延估计方法基本原理,研究了基于希尔伯特变换的线性预测残留误差时延估计法提取时延的方法,并与最大似然广义互相关方法进行了性能分析和比较,结果表明线性预测残留误差的均方偏差最小,抗混响能力强,运算量适中,便于实时实现。     

基于最低误码率准则的奇次三阶Volterra均衡器用于干扰抑制

该文针对通信系统中的干扰抑制问题,提出一种基于最低误码率准则的Volterra均衡器.区别于以往研究中采用最小均方误差准则估计Volterra核,本文采用最低误码率准则.仿真表明:对于扩展的二元相移键控信号,在相对强的窄带干扰下,匹配滤波器和基于最小均方误差准则的线性均衡器已失效,而基于最低误码率准则的Volterra均衡器仍能表现出良好的性能,也大大优于最小均方误差准则的Volterra均衡器;并且在计算复杂度与误码率性能的权衡中,奇次三阶Volterra均衡器更有实用价值.     

基于加权估计的紧组合导航抗欺骗算法研究

针对战场环境下GPS信号易被欺骗干扰的缺点,提出了一种基于加权估计的紧组合导航滤波算法。该算法通过采用加权最小二乘算法先对GPS欺骗信号进行预估计,然后将得到的估计状态量和误差方差阵引入到紧组合导航滤波模型中,从而提高GPS接收机抗欺骗能力。仿真表明,加权估计与紧组合结合的方法在转发式欺骗干扰的情况下,具有定位测速精度高、鲁棒性强的特点。这种方法容易实现,预测可靠,具有实际应用价值。     

基于LPCC的多语种识别算法

语种识别是多语种信息服务和机器翻译等处理任务的必要预处理过程。提出了基于线性预测倒谱系数的多语言识别系统,由于LPCC属于倒谱域的语音特征,能够比较简单地分离开语音信号中的声门激励信号与声道冲激响应,所以系统中选择使用LPCC作为特征参数,并使用K-均值的矢量量化方法进行聚类得到训练的初始码本。通过对不同帧长的测试,得到选择较长的帧长时可以获得较好的识别概率的结论。     

噪声环境下语音能量的MMSE估计及其在语音识别中的应用

语音识别中,语音信号能量是一个重要的识别特征参数.在噪声环境下,语音信号能量产生的畸变是导致识别率下降的原因之一.本文依据RASTA-PLP分析的增益参数和最小均方误差估计准则,给出了带噪语音能量和干净语音信号能量的线性映射关系.在中文连续语音识别中的应用表明,利用该映射关系得到的干净语音能量估计,可使信噪比为5dB的白噪声环境下的识别正确率提高21.36%.     

一种基于G.729的CS-ACELP新算法

在G．729的基本框架下,码本搜索采用次最优部分码本快速搜索法,知觉加权滤波器使用基于声学心理模型的知觉加权滤波器,使得8Kb／s共扼结构代数码激励线性预测语音编码在不降低语音质量的情况下降低计算复杂度。次最优部分码本快速搜索方法虽然降低搜索准确度,但是大大减小了搜索时的数据处理量;声学心理滤波器考虑人耳对不同频率信号的不同敏感度,因而能获得更好的主观音质效果。仿真结果表明,该算法复杂度降低,并取得满意的合成语音质量。     

一种直扩通信系统窄带干扰变换域抑制方法

本文提出一种基于AR模型谱估计和变换域处理相结合的直接序列扩频（DS-SS）通信系统窄带干扰抑制方法。该方法采用AR模型估计信号的频谱,并由此构造频域窄带干扰抑制滤波器。由于谱估计的同时也估计了最小误差功率,这为频域抑制滤波器的门限提供了参考,从而实现了自动门限设置。与时域AR预测型窄带干扰抑制方法相比,频域处理利用FFT实现了并行处理,提高了处理速度。     

自适应滤波器阶数与稳态均方误差

本文详细讨论了自适应滤波器的阶数（LMS算法中为加权数目）与输入信号相关性和稳态均方误差的关系。通过公式推导，从理论上证明了增加阶数并不能保证减小稳态均方误差。对于具体的输入信号，存在一个最佳（或准最佳）的阶数，使稳态均方误差最小，再增阶数，稳态均方误差有增大的可能。作者以强相关的直流信号和弱相关的正弦信号分别作为自适应滤波器的输入信号进行了计算机仿真实验，实验结果与公式推导结果一致。该理论为自适应滤波器设计时阶数的选择提供了理论指导，有实际意义。     

基于单边自相关线性预测的语音去噪声算法

提出了一种在自相关域上，以相关函数值为参数，利用单边自相关序列的线性预测误差去除语音中加性噪声的方法。该方法首先对含噪语音进行单边自相关处理，以语音信号的单边自相关序列替代语音信号序列，进而对该序列进行线性预测分析后，获得线性预测分析系数，并求得线性预测误差。根据误差能量与信号能量的比例关系，确定减因子u，从含噪语音中根据减因子u的大小减去预测误差，即可抑制噪声误差能量。实验表明；上述方法在低信噪比时，仍能较好地保留语音信号的频谱结构，使音质不至于下降。     

语音信号的模式搜索预测新方法

本文将报告一种预测语音信号的新算法——模式搜索预测(Pattern Search Prediction)方法。各种误差源的理论分析和实验工作已经做了。对语音信号的测试结果表明,PSP方法产生的均方预测误差可与傅统的线性预测(LPC)方法产生的均方误差相比拟,但对于各种元音,尤其是对于鼻音,PSP方法具有更好的预测性能。在一个采用4比特量化器的ADPCM编码系统中,进一步比较PSP预测器和LPC预测器时,也发现前者可获得更高的话音质量。     

旁瓣对消器中信号处理方式的综合研究

对于天线中旁瓣对消器的信号处理方式,本文试用了基于统计估计理论的学习鉴别、概率近似、最佳线性预测等最小均方误差的序贯估计算法,并与过去使用的维得罗算法进行了比较。通过模拟得到的结果是,在单一干扰波时采用概率近似和最佳线性预测算法,在多重干扰波时来用最佳线性预测算法,在收敛速度、干扰波功率的动态范围、干扰波抑制特性等方面,都具有较之维得罗算法更为优良的性能。     

语音信号线性预测模型中的激励源

本文主要阐述了语音线性预测编码中描述声道特性的全极点预测滤波器的几种激励方式,即残余信号激励,多脉冲激励及音调激励的原理和有关性能。对基带提取—高频再生残余信号的激励方式亦作了相应的介绍。     

基于小波-卡尔曼的语音增强方法研究

提出了一种基于小波变换和卡尔曼滤波相结合的语音增强方法,这样既保留了小波变换对自相似过程的去相关作用和多分辨分析的功能,同时又保持了卡尔曼滤波器对未知信号的线性无偏最小方差估计的特点,可以有效地减小非平稳噪声;并引入基于声学模型的感知滤波器,以提高语音信号的可懂度。实验证明该方法对于低信噪比的有色噪声干扰条件下的语音信号的增强效果要优于一般的语音增强系统。     

基于最小线性均方估计的小波去噪算法

提出一种新的基于最小线性估计正交小波图像去噪算法。该算法把降噪过程直接看作是一个小波系数的加权和,而不是为小波系数假设一个统计模型。在此,基于最小线性均方估计构造去噪函数,然后最小化均方误差,得到一组估计参数,从而得到线性去噪函数,实现对非线性去噪算法的改进,其最大的好处就是不用先验知识;最后通过使用该去噪算法对一定噪声级数的标准图像进行处理,并与目前去噪效果最好的BLS-GSM方法进行了比较。结果表明了该方法的有效性。     

极化敏感阵列滤波性能分析:相关干扰情形

研究了相关干扰条件下的极化敏感阵列滤波性能。建立了干扰条件下信号接收模型；利用最小均方误差(MMSE)准则求得相关干扰条件下阵列最优加权矢量和输出最小均方误差；特别考虑了单个相关干扰情况，得出阵列最优加权矢量和输出最小均方误差的具体表达式；通过具体算例分析了相关条件下复相关系数、干扰到达角以及干扰极化状态对滤波性能的影响，并得出了有意义的结论。     

CDMA信道的盲均衡和多用户检测

把码分多址（CDMA）信道等效为一多输入多输出（MMO）信道模型,用子空间分解的盲估计方法进行信道估计,而且估计出信号子空间特征向量,利用信道参数和信号子空间的特征向量构建解相关和最小均方误差（MMSE）两类线性检测器,能同时消除码间干扰（ISI）和多址干扰（MAI）。