基于2D-CNN和Cox-Stuart早停机制的癫痫预测模型

针对如何有效预测癫痫患者是否将要发病这一问题,提出一种基于非独立患者的2维卷积神经网络(2D-CNN)和Cox-Stuart检验法的癫痫预测模型方法。首先对脑电数据做归一化处理,使用陷波滤波器和高通滤波器滤除脑电信号的噪声;将滤波后的信号输入到2D-CNN模型中进行特征提取和分类,使用Cox-Stuart方法检测是否需要早停,从而降低模型的计算复杂度和时间复杂度。此外,分别在发作前期为10、30、60 min的情况下对模型进行测试,结果显示,发作前期为10 min时,模型的效果最优。在测试集上的准确率为97.70%,灵敏度为97.36%,特异性为98.04%,具有良好的性能。

基于Logistic模型的翻译机器人语义自动校准方法

针对翻译机器人在语义翻译过程中由于翻译误差容易导致翻译结果与原始语言意图不符的问题,提出一种基于Logistic模型的语义自动校准方法。通过语音识别模块将语音信号映射为语义文本,对识别的语义文本进行处理,通过改进的广义线性回归模型(GLR)进行误差检测,并基于Logistic模型对翻译结果进行特征分析,预测流畅度以及准确度,实现语义自动校准。设计了针对翻译机器人语义自动校准的对比实验,实验结果表明,与基于Seq2Seq模型的翻译机器人语义自动校准方法相比,所研究方法语义校准的准确率为98%~100%,BLEU评分为35,语义校准时间为8.5~9.4 s。

融合注意力机制的ResNeXt语音欺骗检测模型

针对残差神经网络在语音欺骗检测中存在超参数过多且对于高频特征显著性突出不够的问题,提出一种融合注意力机制的ResNeXt-Attention网络(RA-Net)。RA-Net采用残差结合分组卷积的方式,用一组小卷积核代替大卷积核,且采用MFM(Max Feature Map)作为新的拼接方法。加入的注意力机制通过学习原始特征的信息,减少了对边缘信息的关注。在ASVspoof2019数据集上实验表明,RA-Net相比基准线高斯混合模型(GMM)的等错误率(EER)降低了4.72百分点和6.23百分点,与残差网络(Residal Neural Network,ResNet)相比EER降低了0.69百分点和0.89百分点,证明了该模型的有效性。

融合注意力机制轻量级网络的语声情感识别

在语声情感识别过程中,为解决缺乏方言数据库、识别模型准确率低等问题,建立辽西方言语声情感数据库,并提出一种融合注意力机制轻量级网络的语声情感识别模型。模型由特征组合网络、CBAM注意力机制、深度卷积网络及输出层四部分组成。利用3个大小不同的并行卷积提取浅层语声特征并进行拼接;引入CBAM注意力模块将空间特征与通道特征融合;融合后的特征输入深度卷积网络,提取语声深层次特征,输出多维特征向量;输出层对语声进行情感分类识别。模型在IEMOCAP、Emo-DB和自建辽西语声情感数据库上验证,分别取得82.5%、96.2%和90.8%的准确率。实验结果表明,与其他深度学习的模型相比,该文提出的模型在参数量更少的同时识别率更高。

基于Conformer的端到端语音识别方法

针对Conformer编码器的声学输入网络对FBank语音信息提取不足和通道特征信息缺失问题,提出一种RepVGG-SE-Conformer的端到端语音识别方法。首先,利用RepVGG的多分支结构,增强模型的语音信息提取能力,而在模型推理时通过结构重参数化将多分支融合为单分支,以降低计算复杂度、加快模型推理速度。然后,利用基于压缩和激励网络的通道注意力机制弥补缺失的通道特征信息,以提高语音识别准确率。最后,在公开数据集Aishell-1上的实验结果表明:相较于Conformer,所提出方法的字错误率降低了10.67%,验证了方法的先进性。此外,RepVGG-SE声学输入网络能够有效提高多种Transformer变体的端到端语音识别模型的整体性能,具有很好的泛化能力。

基于改进小波阈值和EMD的语音去噪方法

为了有效抑制语音信号传输中引入的噪声,提出一种基于经验模态分解(EMD)的小波阈值去噪方法。针对传统小波阈值去噪方法中,硬阈值函数的不连续性和软阈值函数中估计小波系数与分解小波系数之间的恒定偏差问题,构造了一种高阶可导的新阈值函数。该函数通过调整双参数实现函数形状的灵活变化,以接近理想小波系数。将该去噪方法应用于实际语音信号进行去噪处理。实验结果表明,在信噪比较低时,相比单纯采用小波阈值方法和EMD尺度滤波方法,采用该方法对语音信号进行处理能提高信噪比,较好地抑制噪声的干扰,可用于噪声环境下语音识别系统的前端处理,提高系统的识别效果。

自适应秩约束逆矩阵近似分解及其在语音增强中的应用

针对低秩约束和稀疏矩阵分解(constrained low-rank and sparse matrix decomposition, CLSMD)方法中硬阈值可能导致降噪后的语音信号分量丢失或出现孤立噪声问题,提出了一种自适应秩约束逆矩阵近似(adaptive rank constrained inverse matrix approximation, ARCIMA)分解方法。该方法首先采用能量阈值法初步估计低秩矩阵秩值,然后从语音信号子空间矩阵的结构特性出发,采用修正双边随机投影(modified bilateral random projections, MBRP)方法求解代表纯净语音信号的低秩矩阵,降低使用SVD方法的计算量,并通过Tikhonov正则化优化方法改善迭代求解过程中解的病态性。实验结果表明,该方法相比经典方法在多种噪声环境下取得了更好的PESQ得分,并且增强语音的时域波形也更接近原始信号的波形。该方法去噪性能在低信噪比噪声条件下具有优势。

语音测谎技术研究现状与展望

早期的谎言测试技术易受个人和环境影响,同时反测谎技术对其影响也很大。基于脑电信号的测谎技术虽然能够直接观察撒谎行为发生时内部相关脑区的神经活动,更加客观地揭示撒谎活动的内部规律,但是此类技术所需的专业设备庞大而贵重。相比之下,语音测谎技术具有时空跨越性和高隐蔽性等优点。本文介绍当前测谎技术的发展情况和基本原理,介绍并分析了当前的非语音测谎指标和声学相关指标的类型及特点;然后介绍了目前公开的几种语音相关的测谎数据库,并重点阐述了语音测谎分类算法的研究进展;最后从汉语测谎语料库建立、语音特征表达、反测谎技术研究、理论研究和配套工作开展等方面对语音测谎技术进行了展望。

IP通信中媒体传输的应用层路由机制研究综述

如何提供高质量的服务质量保证(QoS)一直是IP通信中的一个研究热点.现有方案主要从三个方面来解决QoS问题:底层网络的QoS保证;编解码技术的优化以及应用层路由技术(又称为传输控制优化).本文重点讨论应用层路由机制.介绍应用层路由的基本概念以及现有的应用层路由技术,并进行对比分析.结合SIP协议和P2P技术,提出一种全新的应用层路由系统框架:SIP+P2P系统,并详细介绍其中的一些关键技术.指出IP通信应用层路由领域中需要进一步研究的热点问题.

SMV语音编码算法及仿真

介绍了第三代通信系统中的可选模式语音声码器(SMV)语音编码方式,简要描述了SMV的编、解码基本原理。并进行了该算法的定点C代码仿真,给出了算法的性能、计算复杂度及存储空间等仿真结果。

结合轻量卷积的非自回归语音合成方法

对如何有效捕捉音素之间的关联及如何合成韵律丰富的音频进行研究,提出一种结合轻量卷积的非自回归语音合成模型LCTTS。引入轻量卷积建立起音素之间的联系,解决发音出错问题。通过添加音高和能量预测器预测生成语音的韵律,解决音频韵律缺乏问题。训练模型获取梅尔频谱,结合预先训练好的声码器转化为音频。实验结果表明,提出的LCTTS模型优于先前提出的SpeedySpeech模型,在Emotional Speech Database数据集上平均意见得分获得2.8%的提升,梅尔倒谱失真测度下降0.15。

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。

基于AR-HMM在线能量调整的语音增强方法

针对单通道语音增强技术对非平稳噪声的跟踪不准确、噪声抑制效果较差的问题,本文提出一种基于在线能量调整的语音增强方法.该方法以归一化临界带能量为特征,采用高斯混合模型对背景噪声进行分类,利用对应类型噪声的自回归隐马尔可夫模型(Auto-Regressive Hidden Markov Model,AR-HMM)和纯净语音的AR-HMM,在最小均方误差准则下估计语音和噪声的功率谱.考虑到非平稳环境中训练集和测试集的差异性,需在线调整语音模型和噪声模型中的能量,语音模型的能量调整采用迭代的期望最大化算法;噪声模型的能量调整则利用的是模型训练过程中的能量重估方法,并以最小值控制的递归平均算法确定噪声能量调整的初始值.在ITU-T G.160标准下对算法进行性能测试,测试结果表明,本文方法对非平稳噪声的跟踪效果较好,对噪声衰减量较大,收敛时间较短.

基于BP神经网络的正四面体阵列声源定向研究

针对利用正四面体麦克风阵列获取的时延值实现目标声源跟踪这个问题,提出了一种基于BP神经网络的声源定向方法。设计了一个含有双隐层的BP神经网络,使用Matlab神经网络工具箱进行仿真实验,证明可以实现远场和近场的声源定向,进而进行声源跟踪,有较高的实用性。

一种新型快速的固定码本搜索方法

为降低AMR_WB中固定码本搜索算法的复杂度,在脉冲取代法的基础上提出了一种新的搜索算法,采用脉冲组合的方法,不仅降低了计算复杂度,而且保证了语音质量。实验结果表明,与AMR_WB采用的深度优先树搜索算法相比,在不影响语音编码质量的条件下,提出的快速码本搜索算法的复杂度降低了53.6%。

一种基于维纳滤波去除语音通信中混响的方法

简要叙述了语音通信中去混响的意义.利用常规通话起始语音的习惯特点,提出了预存起始纯净语音信号,并基于维纳滤波原理,通过反卷积运算求出房间冲击响应,再通过反卷积去除语音信号混响的新方法.对语音样本的仿真试验表明,该方法对单字语音的去混响效果良好,在普通计算机上每字的去混响运算耗时为0.3-0.5 s.

改进遗传算法径向基函数的FIR数字滤波器研究

本文针对径向基函数(RBF)网络在实际应用中几种学习算法存在的缺陷和局限性,提出了利用改进遗传算法的径向基函数网络来设计FIR数字滤波器的方法,提高了全局寻优效率.为了证明这种新型混合遗传算法的有效性,本文用该算法设计了低通、高通FIR数字滤波器.采用Matlab进行仿真并给出了相应的仿真结果以验证其有效性.仿真结果表明:同其他现有的优化设计方法相比,本文研究的这种新算法可以很好地逼近理想滤波器,在通阻带内有更小的纹波,达到比较好的优化设计效果.

改进的功率谱二次处理基音检测法

作为语音信号处理中的一项关键技术,基音检测一直是研究热点。本文分析了功率谱二次处理基音检测方法的不足:对于过渡语音,易产生半频或倍频误判;噪声干扰下,检测结果易失真;清、浊音的判断方法复杂。针对这些不足,本文提出一系列改进方法:时域非线性处理,频域加窗滤波,简化清、浊音判断。MATLAB仿真实验结果表明,无论是高信噪比还是低信噪比语音,改进的二次谱法较AMDF法和二次谱法更能清晰、准确地检测出基音轨迹。

矢量量化的音频信号类型确认算法的研究

语音识别和控制环境中,非语音信号(噪音)很容易与语音信号相混淆,一部分噪音被机器误认为语音,导致系统性能恶化.针对这一问题,以说话人识别理论为基础,提出了一种采用矢量量化来对音频信号类型(噪音或语音)进行确认的方法,以便于后期对非语音信号的噪音进行鉴别并且予以消除,提高语音信号处理系统的工作效率.在此基础之上,在MATLAB平台上设计了一个基于此方法的语音与非语音识别的仿真系统.测试结果表明,系统实现了语音与非语音识别的基本功能,达到较好的工作效果.

基于自适应超高斯混合模型的语音增强算法

语音信号的频谱结构复杂性决定了其短时谱分布不能用单一的概率密度函数(Probability density function,PDF)准确描述。据此,提出了一种采用超高斯混合模型对语音信号幅度谱建模以实现语音增强的新方法。首先,采用超高斯混合模型对语音信号幅度谱的先验分布进行建模,相对于传统的单一模型,该模型能更好地描述语音信号的多类特性;然后,在增强过程中自适应更新混合分量的PDF及其权重,从而克服了传统模型难以跟踪语音信号分布动态变化的缺点。仿真结果表明与传统的短时谱估计算法相比,该算法的噪声抑制性能有较大的提升,增强语音的主观感知质量也有明显改善。