基于矢量量化的强化学习及其在机器人行为学习中的应用

针对强化学习（RL）中状态空间过大所引起的学习时间过长或算法难于收敛等问题，提出了一种基于矢量量化（VQ）技术的表格型强化学习方法——VQRL方法，该方法用矢量量化器的码书矢量来逼近强化学习的状态空间，从而有效地解决了强化学习的状态空间分割问题，并提高了学习的收敛速度。同时根据等失真理论将一种失真敏感自组织特征映射（SOFM）神经网络用于矢量量化，以达到更好的强化学习状态空间泛化性能。将此方法应用于反应式移动机器人的行为学习的实验验证了此方法的有效性，实验表明，此方法能够较好地解决复杂未知环境的机器人导航问题。

基于独立分量分析和矢量量化的说话人识别

使用独立分量分析(ICA)来提取说话人特征并与矢量量化(VQ)判决方法相结合,实现了一个高性能的基于ICA特征的VQ(ICA-VQ)说话人识别系统。通过ICA变换得到说话人语音特征基函数系数用于生成VQ码书,并导出包含能量失真的ICA-VQ码书失真测度和质心确定条件,生成最终的判决。仿真实验中ICA提取的特征分别用于不同系统实现说话人确认任务,各系统的DET曲线对比验证了VQ方法用于ICA特征分类判决的优势,同时不同码书尺寸下的等差率(EER)对比证明了VQ码书设计的有效性。

基于自组织特征映射的图象矢量量化

本文就基于自组织特征映射的图象矢量量化编码做了初步的探讨,得出一些结论。在矢量量化中,码本性能的好坏对重建的图像有直接的影响。我们利用自组织特征映射(SOFM)网络进行聚类,实现了图像矢量码本的生成,然后再根据矢量量化(VQ)编码原理将图像重建。该方法可以达到较高的压缩比,实现了图像压缩。并且,就不同条件下的图像作了对比。

JPEG编码与矢量量化编码方法比较

文中通过编写程序实现对某种遥感图像的矢量量化编码,针对JPEG法和矢量量化方法在这种图像编码中的应用作大量仿真实验,在对实验结果进行分析比较的基础上得出有用的结论,为研究提供实验参考和依据。

基于VQ-MAP和SVM融合的说话人识别系统

针对传统支持向量机(SVM)在说话人识别中运算量过大的问题,提出了VQ-MAP和SVM融合的说话人识别系统。它应用仅自适应均值向量的最大后验概率矢量量化过程(VQ-MAP),来得到自适应的说话人模型,用此模型中的参数向量作为支持向量应用于SVM来进行说话人识别。用Matlab进行仿真实验,结果表明,基于VQ-MAP和SVM融合的说话人识别系统大大降低了运算量,SVM训练时间短,且具有较高的识别率。

采用遗传算法的VQ码本设计及说话人识别

矢量量化(VQ)方法是文本无关说话人识别中广泛应用的建模方法之一。在矢量量化过程中,经典的LBG算法收敛速度快,但极易收敛于局部最优点,无法保证根据有限样本数据得到最优码本,并最终影响系统识别性能。考虑到遗传算法(GA)是一种具有全局化寻优搜索能力的算法,本文提出了遗传算法和K均值算法相结合的综合分析方法GA-K进行码本设计,改善了码本的质量。讨论了具体的算法实现,分析了在不同的特征参数LPCC及MFCC、不同测试语音长度下的说话人识别性能。实验结果显示,GA-K方法优于传统的LBG算法,可以很好地协调收敛性和识别率之间的关系。

一种基于VQ的说话人确认的阈值设计方法

基于矢量量化的说话人确认系统的阈值的选取是影响系统性能的重要因素之一,而传统的采用固定的经验值作为阈值的方法鲁棒性差,且需要进行大量的实验。提出了用训练语音得到的码本以及平均失真作为表征说话人的模型,并基于此模型对说话人确认系统中阈值的确定提出了一种新的解决方法,实验结果表明由该方法得出的阈值比传统的经验值具有更好的鲁棒性,系统的识别率也有了显著的改善。

基于VQ的说话人识别算法与实验

介绍一种基于矢量量化(VQ)的说话人识别算法。用不同语音参数进行实验,得到令人满意的结果,说明VQ用于说话人识别是一种有效的方法。

基于VQ的语音识别技术研究

基于VQ的语音识别技术在孤立词语的语音识别系统中有较高的识别能力。本文采用LBG算法设计每个待识别语音的码本,码本是从该说话人的训练序列中提取MFCC特征矢量聚类而生成。通过计算其所有帧的VQ失真累积值,把具有最小累积失真值的输入语音信号对应的参考类别作为识别判定的结果,从而识别特定人的语音。与典型的HMM和NN识别算法相比,该方法复杂度低,系统资源消耗少而识别率高,适合在手机、PDA等资源有限的系统中使用。

基于VQ的说话人识别系统的实现

系统以语音信号的LPC倒谱系数、差值倒谱系数、基音周期和差值基音周期的混合特征参数作为识别的特征矢量集,运用矢量量化(VQ)技术实现了与文本有关的说话人识别。在一个10人,1800个语音的语音库上进行了系统的识别实验,其中单音节语音的平均识别率达到了92%,双音节语音达到了96.67%,四音节语音达到了97.67%。系统用于实时识别也收到了较好的效果。

基于动态阈值失量量化的说话人识别

在基于矢量量化的说话识别系统所选用的LBG算法中,码本分裂时的阈值是影响初始码本生成的重要因素之一,而传统方式所采用的阈值不容易确定,且需要进行大量的实验来获得经验值。提出在一定范围内动态地,随机地产生阈值的方法来改进初始码本形成策略,并结合差分倒谱参数建立说话人识别模型。实验结果表明该方法在识别率得到一定改善的前提下,训练时间及识别时间有了明显改善。

基于分布特征统计的说话人识别

给出了基于公共码书的说话人分布特征的定义。提出了基于分布特征统计的说话人识别算法,根据所有参考说话人的训练语音建立公共码书,实现对语音特征空间的分类,统计各参考说话人训练语音的在公共码字上的分布特征进行建模。识别中引入双序列比对方法进行识别语音的分布特征统计与参考说话人模型间的相似度匹配,实现对说话人的辨认。实验表明,该方法保证识别率的情况下,进一步提高了基于VQ的说话人识别的速度。

基于FPGA的关键词识别系统实现

随着微电子技术的高速发展,基于片上系统SOC的关键词识别系统的研究已成为当前语音处理领域的研究热点和难点。运用Xilinx公司ViterxⅡ Pro开发板作为硬件平台,结合ISE10.1集成开发环境,完成了语音帧输出、MFCC、VQ和HMM等子模块的设计;提出了一种语音帧压缩模块架构,有效实现了语音帧信息到VQ标号序列的压缩,实现了由语音帧压缩模块和HMM模块构建的FPGA关键词识别系统。仿真实验结果表明,该系统具有较高的识别率和实时性,为关键词识别系统的FPGA硬件电路的实现研究提供了实例。

说话人自动识别技术研究

主要对文本无关的说话人识别技术进行一些探讨。与语音识别不同,说话人识别技术必须提取说话人依赖特点,而语音特征量的选取是利用说话人声音的频谱通过分离傅立叶变换(DCT)获得的。在训练阶段,每一个说话者通过矢量量化产生一个码书(语音数据库)。在认识阶段期间,通过对欧几里德距离代表VQ的计算来减少失真。在一定范围的说话人的语音库中,测试结果表明有很高的识别率,可以达到96%。

与文本无关的说话人辨认系统中一种新的使用基音周期方法研究

研究了与文本无关的说话人辨认系统中一种新的使用基音周期方法。在说话人辨认系统中将矢量量化 (VQ)、高斯混合模型 (GMM)分类器结合 ,使用升正弦窗函数加权的线性预测倒谱系数 (LPCC)。在训练时为训练集中的每个说话人估计一个一维高斯形式的基音周期概率密度函数 ;在识别时 ,将测试语音中提取的基音周期在训练集说话人基音周期概率模型中得到的基音周期概率密度对VQ、GMM分类器的似然测度加权 ,形成新的似然测度。实验结果表明 ,使用新的似然测度进行与文本无关的说话人辨认比VQ、GMM分类器的辨认率有较大的提高 ,码字个数为 8,测试时间为 8s时 ,辨认率相对VQ提高约 13%。

一个基于语音识别的盲人上网辅助系统的设计

针对目前一部分残障人士(如盲人等)面临的上网困难问题,本文通过语音识别和文本-语音转换两个部分的设计及运用,设计一个基于语音识别的盲人上网辅助系统。系统的语音识别部分,采用了线性预测(LPC)及矢量量化的距离(VQ)方法,过滤和识别人的语音信号;文本-语音转换部分,通过对每个动态打开的网页,采用文字转化成语音(text-to-speech,TTS)技术及语音合成平台完成语音合成,将其网页文本内容朗读出来,同时也可对用户进行语音提示。

噪声补偿应用于与文本无关的说话人辨认研究

通过对VQ码本在线性频谱域进行噪声补偿 ,使得补偿后的VQ码本逼近测试环境下训练出的码本 ,从而提高说话人辨认系统的性能。实验中 ,在不同的信噪比条件下测试辨认率 ,并将补偿和没有补偿时的辨认率进行比较 ,结果显示 ,该算法能够有效地提高说话人辨认系统的性能。

基于改进的WMFCC在声目标识别中的应用

针对环境噪声背景下,声目标的识别率大大降低的问题,本文提出了一种基于改进的MFCC特征参数提取方法,小波变换用来替代MFCC参数提取过程中的快速傅立叶变换,结合矢量量化识别的方法在不同的噪声比情况下来检测和识别目标声信号。实验结果表明,改进的MFCC特征参数在单一的噪声环境下的识别率优于MFCC特征参数,可以更准确的分辨出不同的声目标信号。