基于频谱的语音识别研究——互相关卷积部分

语音识别(Speech Recognition)是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的技术。该文通过采用互相关卷积算法,实现对韵母(a,o,e,i,u,ü)的识别进行了初步的研究和探讨,实现了在MATLAB环境下对韵母(a,o,e,i,u,ü)的语音识别,并针对语音识别系统的频谱与互相关卷积的主要特点做出了总结与分析。

基于互相关卷积与高阶矩质心计算的布里渊散射谱特征提取

针对目前布里渊光时域分析(BOTDA)分布式光纤传感系统存在的实时性较差的问题,为了缩短测量时间,提出一种基于互相关卷积与高阶矩质心计算相结合的布里渊散射谱特征提取方法。首先将布里渊散射谱沿光纤的扫频数据与理想Lorentz曲线作互相关卷积,然后利用卷积结果峰值附近的理想Lorentz线型特征进行高阶矩质心提取,并将提取结果作为布里渊频移(BFS)的估计值;其次,搭建1.5km的瑞利BOTDA温度传感系统对所提算法进行可行性验证。结果表明:不同于常用的Lorentz拟合(LCF),所提算法避免了复杂的迭代求解所造成的测量时间延长,具有良好的实时性与测量精度,选取恰当的数据点数与阶数可将误差控制在小于1 MHz;当进行长距离高分辨率的动态测量而不得不加大扫频间隔以减少测量时间时,所提算法的测量误差远小于基于莱文伯-马奈特(LM)算法的LCF的测量误差。

一种布里渊频移提取算法的最佳小波阈值去噪方案

利用传统的洛伦兹线型拟合来进行布里渊散射谱特征提取是一种普遍使用的方法,其测量结果的准确度容易受噪声含量、扫频谱型和拟合算法的影响。不仅如此,这种方法需要反复迭代求出参数向量的最小二乘解,实时性较差。针对该情况提出的互相关卷积与高阶质心结合算法能有效提取布里渊频移,具有极短的测量时间,但扫频数据服从洛伦兹分布的程度直接影响了计算结果的准确度,因此提出了二维小波阈值去噪方案,并运用综合评价指标计算与拐点定位进行最优参量选取,得到了一组最佳的降噪参量,如此能有效提高测量结果的精准性。