基于倒谱特征的带噪语音端点检测

在语音识别系统中产生错误识别的原因之一是端点检测有误差 .在高信噪比情况下 ,正确地确定语音的端点并不困难 .然而 ,大多数实际的语音识别系统需工作在低信噪比情况下 ,一些常规的端点检测方法 ,例如基于能量的端点检测方法在噪声环境下不能有效地工作 .本文利用倒谱特征来检测语音端点 ,提出了带噪语音端点检测的两个算法 ,第一个算法利用倒谱距离代替短时能量作为判决的门限 ,第二个算法改进了基于隐马尔柯夫模型 (HMM)的语音检测以适应噪声的变化 ,实验结果表明本方法可得到高正确率的带噪语音端点检测 .

一种采用振荡器神经网络的CASA计算模型语音分离算法

基于听觉现象分析 (CASA)模型的基本原理 ,在仅有单通道输入混合语音信号时 ,采用振荡器神经网络 ,提出了一种 CASA改进模型语音分离算法结构 .文中利用一个实例说明了新算法的具体实现步骤 .讨论了新算法机构中语音听觉外围处理部分和分割神经网络处理部分 .通过上述两个部分的处理可以将输入混合语音信号在时频域上分割为若干有听觉感知意义的语音听觉感知成分分段 Segments,以便于新算法后续处理部分中语音 Segments的聚类和分离重构输出处理 ,最终完成语音分离任务 .

自组织特征映射神经网络用于语音识别的研究

该文提出了一种优化的自组织学习算法。基于自组织特征映射（ＳＯＭ）神经网络和隐马尔柯夫模型（ＨＭＭ）法，组成了一种新的语音识别系统，该系统采用ＳＯＭ网络作为矢量量化器。ＳＯＭ网络经过优化的自组织学习算法训练后，再用Ｋ均值聚类算法对其进行调整。实验结果表明，该文提出的语音识别方法确实能提高系统的识别率。

MHMM和ANN法结合的语音识别方法

提出了一种改进的隐马尔柯夫模型（ＭＨＭＭ）方法，并在ＭＨＭＭ方法中结合进人工神经网络（ＡＮＮ）方法，以这种方法为基础建立了语音识别系统。实验结果表明，与隐马尔柯夫模型方法比较，新系统的识别率有所提高，从而，充分地显示了人工神经网络在语音识别中的可行性和有效性。

基于二阶前向结构和信息最大理论的语音增强算法

基于自适应噪声对消 ( ANC)的思想 ,提出了一种适合于语音增强任务的二阶 ANC结构 .利用信息最大原理 ,推导了基于新结构的相应语音增强算法迭代公式 .新结构的主要优点在于其能分离出原始语音信号而没有滤波失真 .对真实语音信号进行大量计算机模拟实验 ,结果表明 。

自排序同址素因子 FFT 并行算法及其实现

本文提出一种自排序同址素因子FFT 并行算法,并介绍了这种算法在银河(YH)机上的实现.

优化的竞争算法在语音识别中的应用

在传统的ＨＭＭ语音识别方法的基础上，提出了两种改进的竞争神经网络算法，分别用于语音识别的两个不同方面．首先提出了一种基于选择机制的新的竞争算法，这种算法可以有目的性地避免局部最优，而且可以克服模拟退火算法（ＳＡ）的随机性．然后，针对分类器的特性，对竞争算法进行改进，把安全拒识措施结合到竞争算法中，提出了一种新颖的神经网络——并行、自组织、层次神经网（ＰＳＨＮＮ）．实验结果表明，基于竞争神经网络算法的语音识别系统比传统的语音识别系统在识别能力和识别速度上都有明显提高，从而证明了与竞争神经网络算法结合的语音识别方法是可行的，而且具有良好的发展和应用前景．

采用竞争选择神经网络的语音识别方法

本文在Ｇｅｒｓｈｏ的ａｓｙｍｐｔｏｔｉｃ理论基础上，推导了向量聚类的等失真原则，并提出了一种竞争选择学习算法（ＣＳＬ），这种算法可以避免局部最优，把它应用到隐马尔柯夫模型（ＨＭＭ）的聚类中，可以起到很好的效果。结合安全拒识措施，本文提出用并行、自组织、层次神经网（ＰＳＨＮＮ）将ＨＭＭ输出的每一个模板的记分再分类，使识别率明显提高。

多速率信号处理

在现代通信中,要求数字传输系统处理几种不同速率的信息,如电传、传真、低速率语音以及电视信号等等。多速率信号处理的主要问题在于设计一个以任意倍数提高或降低信号采样速率的有效系统。降低信号采样速率的过程称为抽选(Decimation),而提高采样速率的过程则称为内插(Interpolation)。本文将简要地介绍多速率数字信号处理的基本方法和它的主要应用。

FFT并行算法及其在银河机上的实现

本文提出一种自排序同址素因子FFT并行算法,并介绍了这种算法在银河(YH)机上的实现。

一类折叠次数无限的混沌自映射及其应用

提出了一类在有限区域 [- 1 ,1 ]范围内折叠次数为无限的一维迭代混沌自映射 .分析了该映射的混沌产生机制 ,计算出的 Lyapunov指数表明 ,该混沌映射比一般的有限折叠次数迭代混沌自映射具有更好的混沌特性 .利用该映射生成 CDMA混沌扩频序列 ,能获得比工程实用中常见的 Gold序列性能更加优良的自相关与互相关特性 。

飞行器故障诊断专家系统中的知识获取机制

根据某飞行器的诊断实例 ,先通过文字编辑模块 (读取编辑器 )转换源知识 (实例 )的形式 ,得到初始规则 ,然后运用归纳方法获得用于修理诊断的、精炼合理的系统知识 ,并由归纳分类形成知识库的分块分层结构 .本系统在 HP VEE( Hewlett- Packard Visual Engineering Environment)的环境下开发实现 ,在某飞行器故障诊断的实际应用中能有效运行 。

出海管路系统的噪声振动及声辐射

采用统计能量分析方法 ( SEA) ,通过一定的简化 ,建立了出海管路系统声传播和管口声辐射的简单 SEA理论模型 ,分析了在平稳随机噪声激励下通海管路系统各组成结构的能量分布和管口声辐射功率 ,并研究和对比了不同管道几何参数情况下的管口辐射噪声 .实验结果与其他数值分析方法所得结果较为吻合 .

混沌神经网络的同步及其在保密通信中的应用

利用神经网络的学习、逼近能力构造混沌神经网络 ,提出非线性反馈控制混沌同步方法来同步两个混沌神经网络 ,并基于混沌神经网络的同步给出一种新的混沌保密通信系统 .理论分析和数值实验结果表明 ,新系统具有较强的通用性和柔韧性 ,且有同步速度快。

应用倒谱特征的带噪语音端点检测方法

传统的语音端点检测方法以信号的短时能量、过零率等简单特征作为判决特征参数．这些方法在实际应用中，尤其当信号信噪比比较低时，无法满足系统的需要．文中利用语音信号的倒谱特征作为判决抽样信号帧是否为语音信号的依据，并提出了倒谱距离测量法和循环神经网络法．通过对宽带噪声－白噪声干扰情况和一种特殊噪声——汽车噪声情况的实验，发现倒谱特征参数的语音信号端点检测方法在噪声环境下具有传统的能量方法无法比拟的优越性。

混沌时间序列局域线性预测方法

在许多场合下，时间序列中的明显随机性可能是由于非线性确定性系统中混沌行为的缘故．混沌系统对初值的极端敏感性使之不可能对其时间序列进行长期预测，然而，利用混沌的确定性可以进行短期预期．混沌时间序列预测首先要重构相空间，接着再利用非线性函数逼近方法构造一个动力学系统模型．探讨了预测模型问题，并用数值分析的方法对Ｆａｒｍｅｒ＆Ｓｉｄｏｒｏｗｉｃｈ，Ｌｉｎｓａｙ和Ｎａｖｏｎｅ＆Ｃｅｃｃａｔｏ提出的三种典型混沌时间序列局域线性预测方法进行了研究．实验结果表明，这三种方法的性能是相同的．本文的结果将平息人们对这三种方法优劣的争论，有利于在实际中选择合适的预测模型．

无限折叠混沌映射的周期窗口分析及其均匀分布特性检验

本文提出了一类具有较大Lyapunov指数的无限折叠一维迭代混沌映射 ,分析了它在分岔图中出现的主周期窗口位置与长度所具有的规律性 ,依此规律对参数作适当选取可产生较为理想的一维迭代混沌模型 .通过检验它在迭代区间内的均匀分布特性 。

基于模板覆盖法的钢筋在线计数方法

研究了使用图像处理进行钢筋成捆计数的方法．由于成捆的钢筋端面摄取的图像存在严重的粘连现象，现有的资料中还找不到一种方法可以准确地对其进行计数，故提出一种对粘连图像进行计数的快速简易的方法——模板覆盖法．这种方法可以避免对粘连图像进行分割，并且大大提高了计数精度．使用模板覆盖法研制成功的钢筋在线计数装置，其性能完全满足用户要求．

基于奇异值分解的非线性滤波算法

为了克服强单音干扰条件下传统的线性预测滤波方法抗干扰性能不佳的问题,提出了一种联合奇异值分解(SVD)和非线性滤波抑制直接序列扩频通信(DS/SS)中单音干扰的方法,建立了相应的系统模型,并与传统的线性和非线性滤波器的误码率进行了比较.仿真结果表明,基于SVD的非线性滤波算法对干扰有很强的抑制能力,较好地改善了系统的性能.

基于免疫进化算法的径向基函数网络

基于免疫进化算法,提出了一种设计径向基函数(RBF)网络的新算法——免疫径向基函数网络(IRBF)训练算法.该算法通过提取RBF网络核函数宽度的先验知识作为疫苗构成免疫算子,缩小了标准进化算法搜索空间的范围,提高了算法的收敛速度.计算机仿真表明,采用这种算法训练的RBF网络达到了较好的性能.