一种基于倒谱均值减的语音端点检测改进方法

端点检测是语音识别理论研究中的关键技术之一,为了提高语音端点检测方法的抗噪性和准确性,引入倒谱均值减(Cepstral Mean Subtraction,CMS)设计一种新的语音端点检测方法。在传统倒谱均值减算法的基础上,采用隐马尔可夫模型(Hidden Markov Model,HMM)提取最佳特征子集,利用二次分类对传统算法加以改进。针对语音信号清音部分与白噪声频谱特征极其相似,在检测中容易发生误识的问题,提出了加权平滑修正的解决方法,从一定程度上降低了检测中的分类误识率。最后,与传统端点检测方法进行性能比较,证明了该方法的有效性。

用于说话人识别的电话信道补偿技术

在说话人识别平台上,针对碳键型电话产生的线性和非线性失真带来的影响,提出一个系统的补偿框架。通过研究电话信道对频谱包络的影响,从留数角度分析虚峰出现的原因,结合留数归一化方法和传统的倒谱均值减,对中间维的倒谱加以提升。实验结果表明,在训练环境和测试环境不匹配的情况下,该方法具有较好的顽健性。