数字助听器语音处理算法研究进展与展望

全球老龄化使听力障碍成为高发性慢性疾病,而佩戴助听器是老年性聋患者听力干预和康复最有效的手段之一。随着数字信号处理技术和电子技术的飞速进步,近年来应用于数字助听器的各种算法和技术得到了显著的发展。其中声场景分类、滤波器分解、噪声抑制和回声消除是助听器的4个基本算法。基于对这些算法的研究,本文从算法基本原理、当前研究现状、算法特点以及存在的问题进行分析介绍。此外,通过分析现阶段数字助听器算法中存在的问题,介绍了3个助听器信号处理方面的最新研究方向——听觉仿生、听觉认知和自验配助听器。本文最后对未来研究进行了展望。

Speech enhancement based on leakage constraints DF-GSC

In order to improve the performance of general sidelobe canceller （GSC） based speech enhancement, a leakage constraints decision feedback generalized sidelobe canceller（LCDF-GSC） algorithm is proposed. The method adopts DF-GSC against signal mismatch, and introduces a leakage factor in the cost function to deal with the speech leakage problem which is caused by the part of the speech signal in the noise reference signal. Simulation results show that although the signal-to-noise ratio （SNR） of the speech signal through LCDF-GSC is slightly less than that of DF-GSC, the IS measurements show that the distortion of the former is less than that of the latter. MOS （mean opinion score） scores also indicate that the LCDF-GSC algorithm is better than DF- GSC and the Weiner filter algorithm,

混合蛙跳算法综述

混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)是一种基于后启发式的新型群体智能优化算法。本文围绕混合蛙跳算法展开深入的研究,首先介绍混合蛙跳算法的数学模型,设计出算法的实现流程,其次总结混合蛙跳算法的研究现状,最后对混合蛙跳算法进行展望。

基于区域联合编码的小波图像压缩方法

提出了基于区域联合编码的小波图像压缩方法 ,适合于编码纹理图像。该算法充分地利用了小波系数的带内特性 ,根据小波系数的概率分布特性提出区域联合编码算法 ,算法复杂度低。实验结果表明 ,该算法在编码纹理图像时编码性能优于目前最成功的小滤零树编码 SPIHT算法 ,编码缓变图像时性能逼近 SPIHT算法。

高斯马尔可夫随机场模型的递归最小二乘参数估计

本文首次提出应用阶递归最小二乘算法来估计高斯马尔可夫随机场模型参数。利用模型参数关于领域的对称性质,我们将一个非因果对称邻域支持的高斯马尔可夫随机场模型转化成一个因果非对称半平面部域支持的模型,从而使递归计算成为可能。利用规范方程中系数矩阵的近似Toeplitz性质,导出了运算量为O(m^3)+O(M^2m)MADP的阶递归最小二乘算法,而直接采用解方程法的计算量为O(m^3)+O(M^2m^2),这里M^2表示一幅图象的尺寸,m代表模型参数的个数。

一种改进的多分辨率自适应图象平滑算法

分析了对经典多分辨率图象平滑算法在噪声较高时平滑效果较差这一现象，提出了一种改进的多分辨率图象平滑算法．经过对各种算法所作的计算机仿真实验。

语音信号中的情感识别研究

提出了从语音信号中识别情感特征的方法 .从 5名说话者中搜集了带有欢快、愤怒、惊奇和悲伤的情感语句共 30 0句 .从这些语音资料中提取了 1 0个情感特征 .提出了 3种基于主元素分析的语音信号中的情感识别方法 .使用这些方法获得了基本上接近于人的正常表现的识别效果 .

语音信号中的情感特征分析和识别的研究

本文分析了含有欢快、愤怒、惊奇、悲伤等 4种情感语音信号的时间构造、振幅构造、基频构造和共振峰构造的特征。通过和不带情感的平静语音信号的比较 ,总结了不同情感语音信号的情感特征的分布规律。根据这些分析 ,提取了 9个情感特征进行了情感识别的实验 ,获得了基本上接近于人的正常表现的识别结果。

基于基音参数规整及统计分布模型距离的语音情感识别

提出一种根据基音提取的频率分辨率确定自适应窗口的改进Parzen窗方法估计基音概率密度,兼顾了基音统计分布模型在低频段的高分辨率和高频段的平滑;提出利用不同性别的基音分布规律的性别区分算法,对于长句可以达到98%的识别率;通过分析基音均值、方差、统计分布模型在性别上的差异,对基音参数进行基于性别差异的规整;引入规整后的基音均值和基音方差,以及基音统计分布模型距离作为情感特征参数;最后利用K最近邻方法对汉语情感语料进行识别。利用常规方法提取的参数最后得到的识别率为73．8％,而使用经过性别差异规整的基音参数和基音统计分布距离的识别率提高到 81％。

全局和时序结构特征并用的语音信号情感特征识别方法

在利用全局特征进行语音情感特征分析的基础上,提出了采用情感语句中各元音时序结构作为新的特征,并针对不同语句中包含不同元音个数的情况,提出了零补齐、全局均值补齐、前均值补齐三种不同的规整方法.以从10名话者中搜集的带有欢快、愤怒、惊奇、悲伤4种情感的1000句语句作为样本,本文对语音情感特征进行了分析.实验结果表明利用全局特征和时序特征相结合,对时序特征采用前均值补齐,同时使用修正二次判别函数(MQDF)进行情感识别能够获得94%的平均情感识别率.

基于语音信号与心电信号的多模态情感识别

通过采集与分析语音信号和心电信号,研究了相应的情感特征与融合算法.首先,通过噪声刺激和观看影视片段的方式分别诱发烦躁情感和喜悦情感,并采集了相应情感状态下的语音信号和心电信号.然后,提取韵律、音质特征和心率变异性特征分别作为语音信号和心电信号的情感特征.最后,利用加权融合和特征空间变换的方法分别对判决层和特征层进行融合,并比较了这2种融合算法在语音信号与心电信号融合情感识别中的性能.实验结果表明:在相同测试条件下,基于心电信号和基于语音信号的单模态情感分类器获得的平均识别率分别为71%和80%;通过特征层融合,多模态分类器的识别率则达到90%以上;特征层融合算法的平均识别率高于判决层融合算法.因此,依据语音信号、心电信号等不同来源的情感特征可以构建出可靠的情感识别系统.

语音信号中的情感特征分析和识别的研究

提出了一种利用全局和时序结构的组合特征以及MMD进行情感特征识别的方法.对于从10名话者中 搜集的带有欢快,愤怒,惊奇和悲伤4种情感的1000句语句,利用提出的新的识别方法获得了94％的平均情感识别 率.

一种数字助听器多通道响度补偿方法

该文提出了一种数字助听器非等宽多通道响度补偿方法。该方法研究了完美重构滤波器组分析与综合滤波器的设计方法,并根据人耳对频率的灵敏度特征及对声强的感知特性实现了符合人耳听觉特征的非等宽多通道响度补偿方案。针对典型老年性耳聋患者的实验与仿真结果表明,算法有效补偿了患者缺失的语音高频能量,显著提高了患者的言语辨识率,降低了患者的言语察觉阈。

应用改进混合蛙跳算法的实用语音情感识别

针对支持向量机(Support Vector Machine,SVM)的参数优化问题,提出了一种改进的混合蛙跳算法(Improved Shuffled Frog Leaping Algorithm,Im-SFLA),提高了其在实用语音情感识别中的学习能力。首先,我们在SFLA中引入了模拟退火(Simulated Annealing,SA)、免疫接种(Immune Vaccination,IV)、高斯变异和混沌扰动算子,平衡了搜索的高效性和种群的多样性;第二,利用Im-SFLA优化SVM的参数,提出了一种Im-SFLA-SVM方法;第三,分析了烦躁等实用语音情感的声学特征,重点分析了基音、短时能量、共振峰和混沌特征随情感类别的变化特性,构建出144维的情感特征向量并采用LDA降维到4维;最后,在实用语音情感数据库上测试了算法性能,将提出的算法与混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)优化SVM参数的方法(SFLA-SVM方法)、粒子群优化(Particle Swarm Optimization,PSO)算法优化SVM参数的方法(PSO-SVM方法)、基本SVM方法、高斯混合模型(Gaussian Mixture Model,GMM)方法和反向传播(Back Propagation,BP)神经网络法等进行对比。实验结果表明,采用Im-SFLA-SVM方法的平均识别率达到77.8%,分别高于SFLA-SVM方法、PSO-SVM方法、SVM方法、GMM方法和BP神经网络法各1.7%,2.7%,3.4%,4.7%,7.8%,并且对于烦躁这种实用情感的识别率提高效果最为明显,从而证实了Im-SFLA是一种有效的SVM参数选择方法,并且Im-SFLA-SVM方法能显著提升实用语音情感的识别率。

仿选择性注意机制的语音情感识别算法

有效特征的选取一直都是语音情感识别算法的关键。为此,针对语音情感特征选择与构建的问题,一种仿选择性注意机制的语音情感识别算法被提出。考虑到语音信号的时频特性,算法首先计算语音信号的语谱图;其次,模仿选择性注意机制,计算语谱图的颜色、方向和亮度特征图,归一化后形成特征矩阵;然后,将特征矩阵重排列并进行PCA降维,形成情感识别特征向量;最后,利用改进的支持向量机分类方法进行语音情感识别。对愤怒、恐惧、高兴、悲伤和惊奇5种情感的识别实验显示,基于选择性注意的方法能够获得较好的识别效果,平均识别率为85.44%。相比于韵律特征和音质特征,语音情感识别率至少提高10%;相比于其它语谱特征,识别率提高7%左右。

梯度直方图和光流特征融合的视频图像异常行为检测算法

异常行为检测在智能监控系统领域中有广泛的应用前景。本文针对此应用领域,提出了一种结合光流特征和梯度直方图特征的视频异常行为检测及定位方法。首先利用视频背景提取算法进行前景提取和标注,实现对前景信息的分割。然后利用光流和梯度直方图特征提取算法对前景图像分别提取光流和梯度直方图特征,其次,使用支持向量机对数据进行训练和测试。最后结合光流幅度信息与前景标记信息对判断出来的异常行为进行定位。实验结果表明,与先前算法相比,本文算法可以检测出异常行为,并且能够对异常帧进行异常行为定位。

基于局部二元模式算子的人脸性别分类方法

提出了两种基于局部二元模式(Local Binary Pattern,LBP)算子的人脸性别分类方法:级联LBP方法和boosting LBP方法.前一种方法遵循从局部到整体的级联策略,使用LBP算子对由小波分解得到的细节图像进行特征提取,以达到扩充特征提取范围和增强所提取特征的有效性的目的,随后采用自适应加权机制对人脸图像的各个分块赋以不同的权值.后一种方法采用可变尺寸的子窗口对人脸图像进行扫描,在扫描所得的每个子窗口中,使用LBP算子对该子窗口提取LBP直方图.计算样本图像的LBP直方图和模板的LBP直方图之间的度量,并由此构建弱分类器集.利用Adaboost算法选取最有效的若干个弱分类器集组合成为强分类器.进行了三个基于LBP算子的人脸性别分类实验,实验所使用的训练集和测试集皆选自FERET人脸数据库.实验结果证明:LBP算子能有效地从人脸图像中提取出针对人脸性别分类的特征,并可以达到人脸性别分类的目的.所提出的两种基于LBP算子的方法可以有效的解决传统LBP方法所存在的特征提取范围有限、加权机制客观性不足等问题.

采用归一化补偿变换的与文本无关的说话人识别

在噪声环境下,特别是当说话人识别最常用的模型——高斯混合模型(GMM)失配的情况下,需要对其输出帧似然概率的统计特性进行补偿。文章根据说话人识别的声学特性,提出了一种非线性变换方法——归一化补偿变换。理论分析和实验结果表明:与常用的最大似然(ML)变换相比,该变换能够提高系统识别率,最大可达3．7％,同时可降低误识率,最大可达45．1％。结果说明归一化补偿变换方法基本克服了在与文本无关说话人识别系统中,当说话人的个性特征不断变化、语音与噪声不能很好地分离或者降噪算法对语音有损伤、模型不能很好地匹配时,需要对模型输出的似然概率(得分)进行补偿的局限。这也说明对模型输出的似然概率进行处理是降低噪声和干扰的影响、提高说话人识别率的有效方法。

从语音信号中提取情感特征的研究

分析了含有欢快、愤怒、惊奇、悲伤等 4种情感的语音信号的时间构造、振幅构造和基频构造的特征。通过和不带情感的平静的语音信号的比较 ,总结了不同情感语音信号情感特征的分布规律 ,为情感信号处理和识别提供了有实用价值的理论数据。