基于方差归一化失真测度的改进的LBG算法

矢量量化（ＶＱ）技术在话者识别系统中得到了广泛的应用。 ＶＱ码本的产生通常采用 ＬＢＧ算法，失真测度则为对矢量的各分量等权重的欧氏距离。在话者识别系统中特征矢量的各个分量的分布是有差别的，且对于不同的话者，这种差别的程度又是不一样的。由于不同分布的各维参数对话者识别的有效性各不相同，因此，文章提出了一种能反映这种有效性差别的失真测度，即：方差归一化失真测度。以该失真测度为基础，并结合时序相关的初始码本设计方法及有效的零胞腔处理技术，文章提出了改进的ＬＢＧ算法，同时利用该算法训练出改进的ＶＱ话者模型，并进行了话者识别实验。

基于连续HMM的孤立语音鲁棒性识别方法

对于基于连续隐马尔可夫模型（CHMM）的语音识别系统，为了提高系统在环境噪声下的鲁棒性，本文提出了一种能有效抑制加性平稳噪声和通道卷积噪声的相对自相关序列的Mel倒谱参数（RAS_MFCC＋△RAS_NFCC），进行特征参数级的去噪，明显地改善了系统的噪声鲁棒性。为了进一步提高系统在低信噪比语音时的识别性能，我们采用了CHMM的混合语青训练法，获得了对各种信噪比语音都具有很强适应性的CHMM参数。实验证明。

特定人汉语数码语音抗噪识别方法

本文提出一种连续隐马尔可夫模型(CHMM)和人工神经网络(ANN)相结合的鲁棒性识别方法，用于噪声环境下特定人数码语音识别。该方法以CHMM的输出作为系统的识别矢量，利用人工神经网络的模式分类和自学习功能，从识别矢量空间中提取语音预识别矢量，再由识别矢量对预识别结果进行识别输出。实验证明，这种基于CHMM/ANN的数码语音识别方法明显地提高了系统的噪声鲁棒性，适用于中小词表语音识别系统。

一种具有强分类能力的离散HMM训练算法

提出了一种具有强分类能力的离散 HMM(hidden Markov models)训练算法 .该算法利用矢量量化技术将来自不同话者的训练数据进行混合训练 ,以生成包含各个话者特征的话者特征图案 .用该特征图案代替经典的离散 HMM中的 VQ码本 ,可以提高观察值符号序列的模式辨识能力 ,从而提高了离散 HMM的分类能力 .给出了该方法用于文本有关的话者识别的实验结果 ,表明该算法可提高系统的识别性能 ,并要降低 HMM对训练集大小的依赖程度 ,且识别时计算量明显小于经典 HMM训练算法 。

基于话者特征图案的BPNN话者模型

该文提出了一种用于说话人识别的基于话者特征图案的 BPNN话者模型 ,该话者模型解决了语音信号的时长变化与神经网络输入层结点数固定不变之间的矛盾 .利用 VQ技术对所有话者的语音样本训练出话者特征图案 ,再将语音样本对该特征图案进行映射 ,在映射域解决了语音样本的时间规正问题 .同时 。

一种离散隐Markov模型参数的全局优化算法

隐Ｍａｒｋｏｖ模型（离散ＨＭＭ）的参数估计问题，是ＨＭＭ在语音处理应用中的关键问题。经典的Ｂａｕｍ＿Ｗｅｌｃｈ算法是基于最陡梯度下降的局部优化算法，ＨＭ Ｍ模型的质量取决于初始模型的设计。解决这一问题的根本方法在于使算法具有随机性。本文结合随机松弛算法（ＳＲ）的全局搜索能力和Ｂａｕｍ＿Ｗｅｌｃｈ算法的局部优化性能，提出了一种离散隐 Ｍａｒｋｏｖ模型参数的全局优化算法。该算法根据 ＨＭＭ的参数对 Ｐ（Ｏ／λ）的不同影响，对观察值概率矩阵Ｂ进行满足一定降温规范的随机扰动，可对离散ＨＭＭ的参数进行全局优化训练。

VQ话者模型中失真测度的鲁棒性研究

文中研究表明 ,反映说话人特征信息的特征参数矢量的各个分量通常具有不同的分布 ,对正确识别说话人身份的有效性是有差别的。文中将这种有效性差别作为权重矢量反映到失真测度计算公式中 ,提出了一种新的失真测度 ,即方差归一化失真测度。该失真测度可有效提高话者识别系统的识别性能。进一步的实验还表明 ,该失真测度能提高话者识别系统的时间鲁棒性。文中同时还给出了适合于话者识别的参数归正方法 :帧内幅度归正。

基于子带矢量量化的鲁棒性话者模型的设计

话音识别系统的时间鲁棒性是影响话者识别系统实用化的关键问题之一。为了提高系统的时间鲁棒性，文章提出了基于子带矢量量化（ＳＢＶＱ）的话者模型。该话者模型由对应语音文本不同频段的各个子带上的矢量量化码本（ＳＢＶＱ码本）构成。ＳＢＶＱ话者模型反映了不同频段对话者识别系统性能的不同影响，并可将时间间隔等因素对系统性能的影响局限在某个子带内从而提高模型的时间鲁棒性。识别时，利用ＢＰ型人工神经网络（ＢＰＮＮ）对训练数据在各个子带上的量化误差进行拟合可进一步提升系统的性能。实验表明，文章提出的ＳＢＶＱ话者模型具有较好的时间鲁棒性。

基于子带VQ及ANN的话者确认系统的设计

话者识别系统的时间鲁棒性是影响话者识别系统实用化的关键问题之一。为了提高系统的时间鲁棒性，本文提出了基于子带矢量量化（SBVQ）及人工神经网络（ANN）的话者模型。将语音文本的有效频段划分为几个子带，分别求取于带上的矢量量化码本（SBVQ码本），利用BP型人工神经网络（BPNN）对训练数据在各个子带上的量化误差进行拟合，即可训练出话者模型（SBVQ码本及BPNN的极值矩阵、确认阈值）。该话者模型反映了不同频段对话者识别系统性能的不同影响，并可将时间间隔等因素对系统性能的影响局限在某个子带内从而提高模型的时间鲁棒性。实验表明，本文提出的（SBVQ＋BPNN）话者模型具有较好的时间鲁棒性。

高阶MFCC的话者识别性能及其噪声鲁棒性

在一个以ＭＦＣＣ为特征参数的语音识别系统中，人们通常采用低阶的ＭＦＣＣ系数作为语音帧的特征矢量。本文对ＭＦＣＣ的高、低阶系数在与文本有关的话者识别中体现出的识别性能和噪声鲁棒性分别进行了实验分析，发现高阶的ＭＦＣＣ系数在干净环境下对于话者识别而言具有与低阶ＭＦＣＣ系数相当的识别性能，并且当环境信噪比恶劣时，高阶的ＭＦＣＣ系数表现出比低阶ＭＦＣＣ系数更强的噪声鲁棒性。基于这个结果，本文将高阶系数的取值范围进一步向低阶拓展，只滤除最易受噪声影响的几个系数，并与Ｄｅｌｔａ参数相结合形成新的特征矢量。实验证明，这种经过适当选取的ＭＦＣＣ系数同时具有良好的话者识别性能和噪声鲁棒性。

一种抗噪孤立字语音识别模型

论文提出了一种连续隐Markov模型和BP神经网络相结合的、具有两次辨识过程的抗噪孤立字识别模型 .首先以连续隐Markov模型完成语音信号的时序建模并提供一次识别信息 ;以BP神经网络进行后处理 ,提取二次识别信息 ,识别结果由两次识别信息共同决定 .实验证明 ,由于有效地利用了隐Markov模型的强时序信号处理能力和BP神经网络的强模式分类和泛化性能 ,这种识别模型明显地改善了孤立字识别系统的抗噪性能 .

基于子带HMM和MLP的话者确认系统的噪声鲁棒性研究

噪声鲁棒性是影响话者确认系统实用化的关键问题之一,为了提高系统的噪声鲁棒性,本文设计了一种基于子带隐Markov模型(HMM)和多层感知机(MLP)的话者确认系统,系统由多个子带系统所构成,对每个子带分别建立基于背景模型的连续HMM话者确认模型,采用MLP对各个子带HMM的输出进行非线性拟合,并利用MLP直接做确认判决。在与文本有关的话者确认实验中,本文提出的模型较常规基于背景模型的HMM话者模型在确认性能和噪声鲁棒性上均有所提高,实验进一步表明,利用MLP进行拟合和判决在一定程度上解决了话者确认阈值设置的困难,有效地提高了确认系统的鲁棒性。

基于自然进化机制的话者模板优化

提出了一种基于自然进化机制的话者模板优化方法，该方法通过对话者训练样本的适应度动态定标，利用交叉、变异和遗传选择操作，可以从有限个话者训练样本集中产生出优化的话者模板，通过话者识别实验，说明这种方法产生的模板较之传统方法产生的模板更好地反映了话者的特征，并且具有更好的时间适应性，同时也减少了对话者语音训练集的依赖。

介翁书画之我见

葛介屏是我非常尊敬的老艺术家，我和他有深厚的交谊。在其子女向安徽省博物馆捐赠其作品之际，我重新品读介翁的书画艺术，感慨万千。

一种鲁棒性的话者确认阈值的设计方法

本文提出了一种基于子带技术和人工神经网络技术的鲁棒性的话者确认阈值的设计方法,将语音信号的有效频段划分为几个子带独立地训练或识别,并在对各个子带的输出数据融合的基础上作最后的判决。各个子带的模型训练及识别采用矢量量化技术,数据的融合技术则采用BP型人工神经网络。采用子带技术可以提高话者确认阈值的时间鲁棒性,采用神经网络技术一方面是为了对各子带的输出进行非线性数据融合,另一方面则是为了能够对话者本人的数据和冒认者的数据进行混合训练,以使训练出的确认阈值对冒认者的不确定性具有鲁棒性。本文提出的设计方法可得到鲁棒性的确认阈值,并得到了实验验证。

基于遗传算法的矢量量化的话者模型

本文提出了基于遗传算法(GA)的矢量量化话者模型,简称GAVQ话者模型。给出了建立该模型的算法即GAVQ算法。矢量量化技术可以有效地提取和表征话者的个性信息,因而VQ码本可以有效地用作话者模型,传统的VQ码本设计方法是LBG算法,但该算法是一种局部优化算法。GAVQ算法将遗传算法的全局优化特性和VQ建模技术巧妙地结合起来,采用科学的编码方案,动态的定标技术,高效的交叉策略,是一种全局优化的vQ码本设计算法。并进行了实验检验。

“反古易礼”与“法古循礼”——读《商君书·更法》的体会

《更法》篇写的是杰出法家代表人物商鞅坚持革新变法的事情。事情发生在两千三百多年前的战国中期秦国。当时秦孝公想要改变管理国家的办法,颁布垦荒法令,这本来是发展经济、巩固新兴地主阶级统治、推动社会前进的进步措施。但他怕天下的人议论他,所以犹豫不决,便同他手下的商鞅、甘龙、杜挚三人商量。甘龙、杜挚是儒家代表,极力反对变法,于是展开了一场论战。论战中,商鞅总结历史经验,列举大量历史事实,痛斥了甘。

激光驻波场作用下原子束横向速度聚束

分别从理论和实验上研究了在负失谐强激光驻波场作用下，原子速度聚集在某一特定速度附近的现象，即速度聚束．产生速度聚束的原因是，当原子的速度小于某一临界速度时，激光对原子的辐射压力加热原子，而当原子速度大于这个临界速度时则冷却原子，因此原子将聚集于这个临界速度附近．

V型三能级原子系统与双激光场相互作用的量子干涉效应

对Ｖ型三能级原子系统与双激光场相互作用时诱发的量子干涉效应进行了研究，通过在原子能级几率振幅随时间演化的耦合方程中引入一个上两能级交叉耦合干涉项，讨论和分析了在不同条件下交叉耦合干涉项的相消作用以及量子干涉效应对原子基态几率和原子系统受激吸收特性的影响．