一种语音端点检测方法的研究

端点检测是从一段语音中检测出语音段和噪声段,是语音信号处理过程中的一个重要环节。为了提高在低信噪比下的检测效果,提出了一种基于子带能量的检测算法,该算法主要计算子带能量等参数,并通过更新噪声能量来实现。实验结果表明:与常规的端点检测方法相比,该方法具有良好的检测能力,并且在低信噪比环境下较好的端点检测能力。

数字语音识别系统

为了较好地实现数字语音的识别,运用隐马尔可夫理论研究数字语音识别系统,通过软件编程研究其在语音识别系统中的应用,在Matlab环境下该系统实现了汉语数字语音的识别。实验结果表明,其达到了较高的识别率。

语音信号处理实验教学的改革与探索

针对当前语音信号处理实验教学的现状,大多是在MATLAB环境下进行的仿真实验,这能锻炼学生仿真编程能力并得到相应结果,能实际看到或者听到语音信号处理的相关结果与图谱,在此基础上,文章根据语音信号实验教学的实际效果以及综合培养学生软硬件的分析动手能力,引入了基于DSP硬件平台的实时处理环节,结合实验教学管理评定等,对实验进行了探索性的实践尝试。

“数字信号处理”实验课程的教学改革与探索

"数字信号处理"是电子信息类专业的一门重要的专业基础课,实验课是理论教学的重要组成部分。本文针对数字信号处理实验课教学进行初步改进,探索提高学生创新能力和研究能力的方法,取得了较好的教学效果。

基于DSP/BIOS的语音信号处理系统设计

针对当前语音信号处理大多在Matlab仿真,为了实现其在硬件系统的实时处理,设计了一个基于DSP/BIOS的语音信号处理系统。以SEED-DTK-VPM642构成硬件平台,采用DSP/BIOS实时操作系统为基础,将语音信号通过AIC23处理后,传到TMS320DM642实现语音信号的回声处理。实验结果表明,该系统通过改变相应参数,能实现语音信号的不同回声效果,实时性较好。

噪声环境下端点检测方法的研究

噪声环境下的语音端点检测是语音信号处理过程中的重要步骤,短时能量和短时过零率的方法在高信噪比下有较好的检测能力,在低信噪比下检测能力明显下降。为此,提出了子带能量的检测方法,实验结果表明此方法在低信噪比环境下具有较好的语音端点检测能力。

低信噪比环境下的语音识别方法研究

单通道语音信号在信噪比较大的环境下经过增强后再识别,能表现出较高的识别率。但是在低信噪比环境下,增强后语音信号的识别率急剧下降。针对此种情况,提出了一种用在识别系统前端的语音增强算法,该增强算法将采集到的带噪语音信号先使用对数最小均方误差(Logarithmic Minimum Mean Square Error,Log MMSE)提高其信噪比,然后再利用改进的维纳滤波去除噪声残留并提升语音可懂度,最后用梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients,MFCC)和隐马尔科夫模型(Hidden Markov Model,HMM)对增强后的语音信号做特征提取并识别。实验分析结果表明,该方法能有效地抑制背景噪声并减少噪声残留,显著提升低信噪比环境下语音识别的准确性。

语音增强算法的研究与改进

为了研究和提高语音增强的效果,针对语音信号的非平稳性,根据卡尔曼滤波能处理非平稳信号,其是以最小均方误差为估计的最优准则,提出一种改进的卡尔曼滤波语音增强算法。该方法首先在改进谱减法和人耳掩蔽效应增强的基础上,利用语音信号的生成模型,通过线性预测系数组成状态转移矩阵,采用基于听觉掩蔽效应改进的谱减法估计语音和噪声的AR参数,该分析改进后的参数更加准确并提供给卡尔曼增强算法,最终实现卡尔曼滤波的语音增强。仿真实验表明,在不同信噪比下该算法均有效地实现了语音增强,去噪效果较好,提高了语音质量。

相位解缠的CKF局部多项式系数递推估计法

为从含噪干涉相位数据中估计出解缠相位,本文提出相位解缠的CKF局部多项式系数递推估计法。利用基于修正矩阵束模型的局部相位梯度估计算法(AMPM)来获取多项式系数中的梯度信息,在此基础上获得局部多项式系数初始值(即状态变量初值),最后利用容积卡尔曼滤波(CKF)算法递推估计多项式系数状态估计值,从而获得解缠相位。可根据干涉图条纹密度以及相位噪声情况,分别采用逐行(或逐列)扫描方式或质量图引导策略引导容积卡尔曼滤波器解缠干涉图缠绕像元。模拟样例与实测数据试验结果表明,与其他同类方法相比,本文算法能从噪声干涉图中获得更高的解缠精度。

低信噪比下语音端点检测算法的改进研究

传统的端点检测在信噪比较高的环境下可以有效地对语音进行端点检测,但是在低信噪比环境下端点检测的正确率急剧下降。针对在低信噪比环境下语音端点检测正确率不高的问题,提出一种将调制域谱减法和对数能量子带谱熵相结合的的端点检测算法;该算法首先利用调制域谱减法去除带噪语音的噪声以提高语音信号的信噪比,然后结合对数能量和子带谱熵算法对消噪后的语音信号进行端点检测。实验仿真结果表明,该算法在低信噪比环境下能有效提高语音端点检测的正确率且具有一定的稳健性。

低信噪比环境下的麦克风阵列语音识别算法研究

针对在低信噪比环境下语音增强对语音识别率的提升不明显的问题,提出一种用在识别系统前端的麦克风阵列增强算法。该阵列增强算法基于相干滤波和频率带宽波束形成后置改进维纳滤波器。首先将采集到的阵列信号,求相邻通道间的相关函数,利用阵元间信号的相关性进行初始噪声抑制,然后利用频域宽带最小方差无畸变响应(MVDR)通过对目标声源信息的获取,保留目标声源方向的信号并抑制其他方向的信号干扰,再通过改进的维纳滤波器去除噪声残留提升语音可懂度,最后用梅尔频率倒谱系数(MFCC)和隐马尔科夫模型(HMM)对增强后的语音信号做特征提取并识别。仿真过程模仿双耳采集数据,结果表明该语音增强方法在低信噪比环境下获得较好的增强效果,能有效的提高低信噪比环境下的语音识别率。

一种基于DSP的自适应盲均衡器

论述了一种基于TMS320C6713浮点DSP的自适应盲均衡器的设计,采用CMA算法。对EDMA通道设计进行了介绍,并对DSP编程的一些关键代码进行了介绍,分别给出了Matlab仿真和C代码仿真的结果图形。

基于TCP协议模型的路由器缓存容量设置方法

路由器的不同缓存容量使得网络性能有很大不同,因此缓存容量设置是一个研究的热点。"拇指法则"和"斯坦福法则"是基于TCP协议模型的两种缓存设置方法。根据这两种法则的算法思想,用N S2在局域网中进行了仿真。实验结果表明:高链路利用率时,缓存的设置需要综合考虑多种网络性能参数;而牺牲一定的链路利用率,设置较低的缓存,在降低成本的同时仍能保持核心路由器的稳定。

基于双微阵列与卷积神经网络的语音识别方法

为解决噪声环境下语音识别率降低以及传统波束形成算法难以处理空间噪声的问题,基于双微阵列结构提出了一种改进的最小方差无畸变响应(MVDR)波束形成方法。首先,采用对角加载提高双微阵列增益,并利用递归矩阵求逆降低计算复杂度;然后,通过后置调制域谱减法对语音作进一步处理,解决了一般谱减法容易产生音乐噪声的问题,有效减小了语音畸变,获得了良好的噪声抑制效果;最后,采用卷积神经网络(CNN)进行语音模型的训练,提取语音深层次的特征,有效地解决了语音信号多样性问题。实验结果表明,提出的方法在经CNN训练的语音识别系统模型中取得了较好的识别效果,在信噪比为10 dB的F16噪声环境下的语音识别率达到了92.3%,具有良好的稳健性。

一种新的SOPC设计实验

本文介绍了一种SOPC设计实验。对NiosⅡ软核处理器和SOPC Builder设计流程做了说明。

一种新的基于DM642试验箱的图像处理实验设计

本文介绍了一种新的基于DM642试验箱的图像处理实验设计,结合JPEG编码解码实验,对DM642试验箱的使用和实验原理和步骤进行了较详细的说明。

NMF的有监督算法在瞬变电磁信号降噪中的应用

瞬变电磁信号易受各种噪声的干扰,尤其是在信号晚期,噪声甚至会淹没有效信号,严重影响了后期的反演。为此,提出了将瞬变电磁信号分为早中期和晚期两部分进行处理的思路,并首次将非负矩阵分解(NMF)的有监督算法应用于受噪声影响较大的瞬变电磁晚期信号的处理。首先,在训练阶段,将纯净信号进行短时傅里叶变换和非负矩阵分解处理,得到表征信号特征的原子字典。然后,在降噪阶段,利用原子字典和降噪模型处理含噪信号,得到初步估计的瞬变电磁信号。最后,多次重复以上步骤,将初步估计的瞬变电磁信号的晚期数据和含噪信号的原始早中期数据分别累加,求各自的算术平均值,再将两者拼接,估计出最终的完整的瞬变电磁信号。仿真实验和实测数据处理结果表明,该算法可以有效改善信噪比和均方根误差,减少波形的失真,降噪效果明显优于小波变换、Hilbert-Huang变换(HHT)和奇异值分解(SVD)等传统降噪方法,为提高后续反演的准确度奠定了基础。

低信噪比环境下语音识别的鲁棒性方法研究

针对噪声环境下语音识别率急剧下降的问题,提出了一种基于语音时频域稀疏性原理的改进最小方差无畸变响应波束形成与改进维纳滤波结合的算法。该算法首先利用麦克风阵列语音信号的空间信息,通过基于时频掩蔽的改进最小方差无畸变响应波束形成器,增强目标声源方向的语音信号,抑制其他方向噪声的干扰,然后再使用改进的维纳滤波器去除残留噪声并提高语音可懂度,对增强后的语音信号提取梅尔频率倒谱系数作为特征参数,使用隐马尔可夫模型搭建语音识别系统。实验结果表明,该方法能够有效提高低信噪比环境下的语音识别率,具有较好的鲁棒性。

低信噪比环境下语音端点检测技术

为解决低信噪比环境下端点检测性能急剧下降的问题,研究一种端点检测的方法。利用调制域谱减法对带噪信号降噪,提高信噪比后进行经验模式分解(empirical mode decomposition,EMD),选择合适的imf(intrinsic mode function)分量重构信号;进行EMD后计算每阶imf分量的Teager能量算子,结合对数能量和相关函数法对语音信号进行端点检测。实验结果表明,该方法在不同噪声的低信噪比环境下检测正确率较高,具有一定的稳健性。

一种低信噪比环境下的语音端点检测算法

端点检测技术是语音信号处理的关键技术之一,为提高低信噪比环境下端点检测的准确率和稳健性,提出了一种非平稳噪声抑制和调制域谱减结合功率归一化倒谱距离的端点检测算法。该算法首先通过抑制非平稳噪声再采用调制域谱减消除残余噪声来提升信噪比,减少语音失真。然后再提取每帧信号的功率归一化倒谱系数,计算每帧信号与背景噪声的功率归一化倒谱距离。最后将该倒谱距离作为检测参数,采用双门限判决方法进行端点检测。实验结果表明,该端点检测算法对语音帧和噪声帧具有较好的区分性。此外,在低信噪比环境下,所提出的算法对于不同类型的噪声都具有较好的稳健性。