分层技术在计算机软件开发中的实践研究

在信息技术的发展背景下,计算机软件功能呈现出了多样化及多元化特点。计算机软件开发是根据用户需求从无到有设计出软件系统或者对原有软件升级优化的过程,通过软件开发促使网络架构更加具备科学化与合理化。目前,计算机软件开发过程中,分层技术得到了广泛运用,提高了计算机软件开发的效率,降低了软件开发难度。为此,本文通过对分层技术进行简单概述,了解分层技术的具体应用优势,确保在计算机软件开发中得到合理运用,为我国计算机技术的发展与进步提供重要作用。

适用于短波信号侦察的话音端点检测方法

针对传统话音端点检测方法在短波低信噪比信道下检测准确率低的问题,提出一种将深度生成对抗网络和自适应参数的子带对数能熵积相结合的话音端点检测方法。该方法首先利用深度生成对抗网络话音增强方法降低噪声对待检测信号的影响,再以自适应参数的子带对数能熵积这一新的话音特征参数为阈值,使用自适应阈值双门限检测法完成话音端点检测。仿真实验结果表明,该方法对于-5 dB信噪比的标准话音库检测的平均加权错误测度仅为13.5%,而对于实际短波侦察信号库检测的平均加权错误测度为16.7%,均优于能零熵法和多窗谱估计谱减与能熵积法。

基于WDGAN-div的语音增强方法

针对在低信噪比环境下传统语音增强方法适应性差和增强效果不理想的问题,提出一种基于Wasserstein散度的深度生成对抗网络的语音增强方法。该方法以5个生成器和1个判别器为基础组成深度生成对抗网络,利用5个生成器进行5次增强处理,有效提高对抗网络在低信噪比条件下的增强效果,使用Wasserstein散度优化网络训练,改善传统GAN网络训练过程中存在的训练不稳定等问题,提高深度生成对抗网络训练的稳定性。在低信噪比环境下该方法相比于传统语音增强方法噪声适应性和增强效果都有明显提升。实验结果表明,与原始带噪语音相比,增强语音的分段信噪比平均提高6.1 dB,语音质量感知评估测度和短时客观可懂度分别平均提升28.9%和10.6%。

无监督单通道语音降噪方法

在低信噪比环境下,语音信号通常受到严重的噪声干扰,需要通过降噪处理来提升信号质量和可懂度。本文从分类和经典方法的基本原理两个角度对语音降噪技术进行介绍。语音不仅是人类最自然、最有效、最方便的信息交流的手段,同时也是信息的一种重要载体,随着现代通信技术的迅速发展,语音通信逐渐成为人们日常工作中不可或缺的部分。但实际通信过程中,信号不可避免的受到环境噪声和设备内部噪声的干扰,导致语音信号质量降低,在低信噪比环境下(基于国际电信联盟标准化部提出的G160标准将低于12dB定义为低信噪比)语音信号甚至会被噪声干扰所“淹没”,因此利用语音降噪技术降低噪声的影响十分有必要。

基于谱减与自适应子带对数能熵积的端点检测

针对低信噪比环境下语音端点检测准确率低、鲁棒性差,提出了一种将谱减降噪和自适应子带对数能熵积相结合的语音端点检测算法。首先利用改进的多窗谱估计谱减法提升语音信号质量,再以自适应子带对数能熵积这一新的语音特征参数为阈值,使用动态阈值双门限检测法进行语音端点检测。实验结果表明,该算法针对低信噪比语音信号具有更好的准确性和鲁棒性。