基于DPCNN-SLSTM的中文儿童语音情感识别

针对中文儿童语音情感识别的准确性问题,提出了一种结合深度卷积神经网络(Deep Convolutional Neural Network,DPCNN)与堆叠长短时记忆(Stacked Long Short Term Memory,SLSTM)网络的融合模型,旨在提高中文儿童语音情感识别的准确性。通过DPCNN对语音信号中的长距离依赖关系进行提取,再利用SLSTM捕捉情感相关的序列依赖信息,最终通过softmax分类器实现情感状态的判别。实验结果显示,基于DPCNN-SLSTM的模型在中文儿童语音数据集上的情感识别准确率达到了92%,显著优于CNN、LSTM和CNN-LSTM模型。研究结果对于推动儿童语音情感识别技术的发展具有重要意义。

基于嵌入式平台与DNN-HMM的中文儿童语音能力评估研究

儿童语音能力评估对提高其语言发展规律的认识,促进儿童语言、认知和社交能力的全面发展有重要意义。利用嵌入式硬件平台及深度神经网络隐马尔可夫模型(DNN-HMM)开展中文儿童语音能力评估研究。首先,使用LD3320语音芯片设计嵌入式硬件平台,然后利用线性校正单元构建深度神经网络,利用构建的DNN-HMM模型对中文儿童语音数据进行训练与测试,并结合一般内容概率潜在语义分析(GC-PLSA)模型开展语音评分,最后,将模型移植到嵌入式平台进行语音能力评估实验。实验结果表明:与传统高斯混合、隐马尔可夫模型(GMM-HMM)相比,基于DNN-HMM模型在儿童长、短句连续语音词错率(WER)方面均降低约5.4%、5.6%,且DNN-HMM模型获得的平均得分也要高于GMM-HMM模型。

AI技术在儿童语音识别与语言障碍诊断中的应用研究

文章探讨了人工智能技术(AI)在儿童语音识别和语言障碍诊断中的应用。首先,介绍了儿童语音识别技术的基本概念、发展现状及在语言评估中的优势(如实时评估儿童语言发展、发现发音错误等)。其次,详细阐述了基于语音识别的儿童语言障碍诊断流程,包括数据采集、预处理、特征提取、模型(GRU-LSTM)设计与训练、诊断分析。最后,提出了基于语音识别的言语障碍干预策略,强调了个性化训练计划的重要性。该研究为儿童语言评估和诊断提供了新的思路和方法,有望促进人工智能技术在儿童语言教学领域的广泛应用。

基于OBE理念的“双线混融”教学模式改革研究——以《语音信号处理》课程为例

本研究以《语音信号处理》课程为例,探讨基于OBE(Outcome-Based Education)理念的“双线混融”教学模式改革。传统的教学模式强调知识的传授,存在知识单一、缺乏实际应用和互动性差等问题;而OBE理念注重学生的能力培养和实践应用能力的提升。本研究提出一种基于OBE理念的“双线混融”的教学模式,在课堂教学与实践环节中相互支持,促进学生的综合能力发展。实践结果表明,采用“双线混融”教学模式后,学生的学习动力和学习效果有明显的提升。学生能够更好地理解和应用语音信号处理相关知识,提高解决问题和实践操作能力。

基于小波变换的语音增强方法研究

分析了小波去噪原理,根据随机噪声的小波变换系数在不同尺度上的传递特性和噪声信号奇异性与小波模极大值的关系,同时考虑到语音中浊音和清音的特点,提出了一种改进阈值的小波域语音增强方法。在阈值函数中引入参数,通过调整参数以获得最佳的小波系数的阈值估计,使得改进阈值介于硬阈值与软阈值之间。利用改进阈值对染噪语音信号的小波系数进行阈值处理,既抑制了噪声,又减少了语音段信息的损失。仿真结果表明,这是一种有效的语音增强方法。

改进的能量谱熵端点检测算法

为了提高传统谱熵算法在信噪比较低环境下的端点检测效果,将短时能量特征与谱熵特征相结合,提出一种改进的能量谱熵特征,将模糊C均值聚类算法和贝叶斯信息准则结合对改进的能量谱熵特征门限进行估计,最后采用双门限算法进行端点检测。仿真实验结果表明,在信噪比为-5 dB的白噪声环境下,改进的能量谱熵算法的端点检测正确率为76.9%,远高于短时能量算法和谱熵算法,在低信噪比环境下具有更优的端点检测效果与稳健性。

基于改进的小波阈值函数语音增强方法

传统的小波阈值去噪方法会造成有用语音信号的损失,信噪比改善情况不理想.通过分析小波去噪原理,提出了一种改进的小波阈值函数语音增强方法.该方法结合小波软、硬阈值函数去噪的优点,克服了硬阈值函数的不连续及软阈值函数存在偏差的缺点.该方法首先对清浊音信号进行判断,接着采用变化的阈值对清浊音信号的小波系数进行不同的阈值处理.仿真实验结果表明,改进的方法非常适用于强噪声背景下的语音增强,无论在保留含噪语音信号中的清音信息,还是在信噪比改善指标上均优于传统的软阈值法、谱减法和听觉感知小波变换法.

一种基于小波和时频分解的端点检测方法

提出了一种新的基于小波和时频分解的语音端点检测方法。首先通过小波分解对含噪信号进行增强,然后采用Matching pursuits算法对去噪信号进行时频分解,使得信号在时频平面上具有较明显的魏格纳能量分布,最后利用该特点设定合适的门限来进行语音端点检测。实验结果表明,该方法对低信噪比的语音端点检测仍有效。

基于单片机的智能玩具小车设计

单片机具有可靠性高、易扩展和控制功能强等优点,是制作智能玩具小车的首选技术之一。采用STC公司16位单片机STC89C52作为核心控制单元,通过单片机控制传感器模块检测信号,并根据程序控制小车电机运行,实现玩具小车自动循迹、避障、语音播报行驶状态信息、光电显示等功能。实验结果表明,该智能玩具小车设计符合实用要求,具有一定的应用参考价值。

倒谱距离和短时能量的语音端点检测方法研究

在讨论传统倒谱距离语音端点检测方法不足的基础上,提出了一种基于倒谱距离和短时能量的语音端点检测改进方法。基于倒谱距离的单参数端点检测方法在高信噪比环境下效果较好,然而在低信噪比的环境下其端点检测性能急剧下降。通过分析倒谱距离和短时能量各自的端点检测特性,建立了一种结合二者特点的双参数判决准则,在保证运算量没有显著增大的前提下提高了端点检测的准确率。仿真实验结果表明,新方法相对于基本倒谱距离端点检测方法,在低信噪比的高斯白噪声环境下端点检测性能有较明显提高。

低信噪比环境下改进的语音端点检测算法

端点检测在语音识别中具有非常重要的作用,其准确性将直接影响语音识别系统的正确率。为了提高低信噪比环境下语音端点检测的正确率,提出了一种基于多窗谱估计的改进谱减法和能量谱熵的端点检测算法。该算法首先利用多窗谱估计改进谱减法对含噪语音进行去噪以提高语音信号信噪比,接着对去噪后的语音信号使用新的能量谱熵算法进行端点检测。仿真实验结果表明,同常见端点检测算法相比较,该算法在低信噪比环境下具有较好的端点检测正确率且有一定的鲁棒性,证明了该算法的有效性。

多特征和APSO-QNN相结合的语音端点检测算法

针对传统端点检测算法在多种复杂噪声环境下端点检测正确率低、鲁棒性较弱的问题,提出多特征和加速粒子群优化量子神经网络(APSO-QNN)相结合的端点检测算法。该算法通过提取语音信号的短时能量特征、循环平均幅度差函数特征、频带方差特征及美尔频率倒谱系数特征,将这些特征量输入量子神经网络(QNN)进行学习并利用加速粒子群算法对量子神经网络参数进行优化,构建语音端点检测模型,实现对信号的类型的判别。仿真实验结果表明,该方法不仅提升了语音端点检测的正确率,而且降低了虚检率与漏检率,具有较强的抗噪鲁棒性。

基于遗传算法的仿生小波语音增强

分析遗传算法和仿生小波变换的原理和方法,提出一种基于遗传算法的仿生小波语音增强算法。首先将普通小波变换转换为仿生小波变换,得到仿生小波变换系数,接着利用遗传算法的选择、交叉、变异获得仿生小波的优化阈值参数,从而确定最优小波阈值,随后结合最优小波阈值和改进阈值函数去噪,最终将经阈值处理后的仿生小波的系数变换至普通小波域且实行连续小波逆变换,获得增强的语音信号。仿真结果表明,在低信噪比环境下,与传统的最小统计和仿生小波变换算法相比较,经本文提出的算法处理后的增强语音其失真和残余噪声更小,语音质量和可懂度都较高。

基于先验信噪比和能零熵的语音端点检测算法

端点检测技术是语音识别系统中的一项关键技术,其性能在某种程度上对整个语音识别系统有着较大的影响,传统的语音端点检测算法在低信噪比环境下存在端点检测正确率低、抗噪性能差等问题。针对传统端点检测算法在低信噪比环境下存在的上述问题,提出了一种基于先验信噪比估计和能零熵的语音端点检测算法。该算法通过改进的先验信噪比估计算法对含噪语音进行增强处理,并对增强后的语音信号设置自适应端点检测阈值,利用能零熵算法对增强后的语音信号进行端点检测,实现了低信噪比环境下的语音端点检测。仿真实验结果表明,与传统的能零积和谱熵端点检测算法相比,所提出的端点检测算法在不同的低信噪比环境下具有较好的鲁棒性与较高的端点检测正确率。

基于翻转课堂的《C语言程序设计》课程教学改革研究与实践

《C语言程序设计》课程理论内容较多,实践操作性强。翻转课堂突出学生为主体,倡导学生的中心地位,促使学生积极主动探索,带来了教学的革命和创新。比较《C语言程序设计》传统教学模式与翻转课堂教学的区别,分析了课程建设和教学模式的实施,提出了合理化建议,旨在探讨翻转学习对于转变现有课程教学方法、提高《C语言程序设计》课程教学质量、探索人才培养途径,为《C语言程序设计》课程教学改革与实践提供一定的理论参考。

基于窗函数与MATLAB的数字FIR滤波器设计

简要介绍了窗函数设计FIR滤波器的理论依据,运用MATLAB语言实现了低通FIR滤波器的设计及仿真。采用窗函数法设计FIR数字滤波器具有设计简单,方便,实用等优点,因而受到广泛运用。

基于嵌入式语音识别的家用服务机器人控制系统

语音是人类最自然便捷的交流方式,也是人机交互中最直接的交互模式之一。对语音识别的基本理论进行了介绍,包括语音信号的预处理、特征提取、模型匹配3个方面,给出了基于MFCC+ΔMFCC的语音特征参数提取方法。在实验室环境下提取了特定人的若干语音数据,利用MATLAB对语音特征参数MFCC+ΔMFCC进行了仿真识别实验,实验结果表明,该方法识别率高达94.54%,具有较强的鲁棒性。在实验基础上,通过搭建设计4个自由度的Arduino双臂机器人和ASR M08-A语音识别模块等硬件电路,实现了语音控制机器人完成各种规划动作。

基于单片机和Kingview的机房温度监测系统设计

为更好地对计算机机房内的温度进行控制,提出了以单片机AT89S52和Kingview软件为主的机房温度监测系统设计方案。该系统能根据设定自动采集机房内多点温度数据进行显示并判断是否超限报警。测量结果既可在机房现场显示也可利用单片机串行口经RS-232总线送至远距离的上位机。实际测试结果表明,该机房温度监测系统具有测量精度高、使用方便、成本低等优点,能满足计算机机房的温度测量与远程监控。

《计算机控制技术》课程教学研究与探索

《计算机控制技术》是自动化控制等专业重要的专业课程,是一门集理论性、实践性和综合性于一体的课程。分别从本课程的教学方法、教学实践和课程考核3个方面进行了研究与探索,以激发学生的专业课学习兴趣与热情,促进他们主动学习,培养学生分析问题和解决问题的能力。在教学实践中取得了一定的效果。

“嵌入式系统开发与应用”微课程设计与开发

微课程不仅是师生的重要教育资源,也是学校教育教学模式改革的基础,为教师的课堂教学应用创造了便捷条件。结合现在的数字化微时代的发展现状,对"嵌入式系统开发与应用"进行了微课程的设计和开发,期望其成为具有一定应用价值的教育资源,并对微课程资源建设起到一定的导向作用。