基于ZCPA和DHMM的孤立词语音识别系统

介绍了用离散隐马尔可夫模型(DHMM)构造孤立词语音识别系统的过程,重点针对软件实现中的问题重新推导了Baum Welch算法的重估公式,引入一种抗噪性能很好的特征参数:过零率与峰值幅度特征,将该特征与DHMM结合用于孤立词识别系统。结果表明,此系统训练时收敛很快并且识别效果好。

一种基于听觉模型的抗噪语音识别特征提取方法

提出了一种新的语音识别特征提取方法。该方法是建立在听觉模型的基础上,通过计算语音的上升过零率作为频率信息并通过非线性幅度加权相结合来获取语音特征。仿真实现了中小词汇量、孤立词的语音识别,得到了较好的实验结果,证明了此方法具有较强的抗噪声性能。

基于RBF网络和ADPCM的增益非线性量化

本文在G.728语音编码算法的码书归一化和增益精确表示的基础上,使用ADPCM对增益进行量化,提出对自适应量化阶距采用RBF网络进行非线性预测,将之运用到G.728算法的增益量化中.仿真结果表明:采用RBF网络的非线性自适应量化阶距方案比标准的G.728编码算法的平均分段信噪比提高1.63dB,这对于降低G.728算法的码率具有重要意义.