基于自适应高斯混合模型与静动态听觉特征融合的说话人识别

对特征参数和高斯混合模型进行改进,提出了一种特征域和模型域混合补偿的方法用于解决说话人识别特征受噪声影响较大以及高斯混合模型随训练样本长度减小而性能下降的问题。通过模拟人耳听觉,给出了基于伽马通滤波器的伽马通滤波倒谱系数;考虑其只反映了语音的静态特征,提取了能够反映语音动态特征的伽马通滑动差分倒谱系数。基于因子分析技术,利用移动因子表示高斯混合模型的自适应过程,通过训练语料较充分的说话人模型中的均值向量补偿受训练语料长度影响较大的分量的均值向量。仿真实验表明:在纯净背景下,本文方法的识别率达到了98.46%;在不同噪声环境下,本文提出的混合补偿方法能有效提高说话人识别系统的性能。

基于伽马通滤波器组的听觉特征提取算法研究

本文从模拟人类听觉角度出发,给出了基于人耳耳蜗听觉模型的伽马通滤波器组模型,测试语音通过该滤波器组输出得到了高维听觉特征向量.经过主成分分析和离散余弦变换,分别得到了可用于表征说话人的伽马通系数和伽马通滤波器倒谱系数及其衍生特征.实验证明,与传统梅尔倒谱特征相比,采用本文提出特征的说话人识别系统在识别率及鲁棒性上均有明显提高.

一种新的听觉特征提取算法研究

人类听觉系统具有显著的分析和识别信号的能力,一个好的听觉特征提取算法能提高说话人识别系统的性能。文中提出的算法从模拟人类听觉角度出发,首先采用伽马通(Gammatone)滤波器组代替传统的三角滤波器组来模拟人耳耳蜗的听觉模型,然后引入等响曲线进行等响预加重,初步提取出GFCC,最后经过半升正弦函数倒谱提升技术提取说话人语音信号的特征参数NewGFCC。实验表明,该算法在说话人识别系统中具有较高的识别率和鲁棒性。

符合人耳听觉特征的数字助听器子带响度补偿

语音信号响度补偿是数字助听器的关键功能之一.由于患者的听力损失常随信号频率改变,故响度补偿增益应随语音信号频率变化而调整.该文提出针对人耳听觉特征进行子带划分响度补偿的方法,设计了实现响度补偿的完美重构子带滤波器组,并针对老年性听损患者给出子带滤波器组参数.实验与仿真结果显示,该方法很好地补偿了听损患者在不同频段的语音能量损失,使患者对语句的辨识率得到显著提升.

基于听觉特征的舰船辐射噪声分类研究

本文根据人耳听觉机理,分析了人耳听觉感受和辨物过程,针对舰船辐射噪声识别,从音色的角度寻求新的基于听觉模型的目标识别特征。提出了舰船辐射噪声的谱通量、最大谱峰对应的频率值和时间重心三个听觉特征,研究了这三个听觉特征量的物理意义及提取方法,设计了适用于舰船辐射噪声分类识别的BP神经网络分类器。采用实际的舰船辐射噪声进行综合试验,从分类的结果可以得出,基于听觉特征提取方法对舰船辐射噪声识别率高于传统的统计特征提取方法,达到了预想的效果。

基于听觉特征和频谱特征的油烟机异音故障诊断

提出了一种主观听觉判断和客观频谱分析相结合的风机异音故障诊断方法。对油烟机风机辐射噪声进行频域特征分析、结合人工听觉判断油烟机异音故障。分析表明:风机所产生的异音故障在频谱中表现为幅值和能量都比较集中的线谱频率,其听觉特征明显,并与频谱特征有严格的对应关系;实验证明,频谱特征和听觉特征可以作为有效的油烟机异音故障判别特征之一。采用该方法对实际测量数据进行异音故障诊断,诊断结果与听音员判断结论一致。

基于非线性幂函数的听觉特征提取算法研究

为提高说话人识别系统的识别率,提出采用非线性幂函数对人耳的听觉特性进行模拟,分别得到新的梅尔频率倒谱系数MFCC及其差分、加权倒谱系数.对得到的新的特征值进行增减分量分析,以获得高贡献值的倒谱分量,组成新的混合参数,使用高斯混合模型(GMM)分别对纯语音和三种典型噪声背景下的语音进行说话人识别,与传统MFCC相比,采用非线性幂函数改进的MFCC在识别率及鲁棒性上均有明显提高.

舰船噪声听觉特征增强方法

为改善新声呐兵听音训练效果,强化噪声样本中与目标属性紧密相关的听觉特征,将处理后的舰船噪声用于听音训练,提高舰船噪声样本利用率。提出的舰船噪声听觉特征增强模型及其实现方法主要包括四个步骤:噪声分解、子带分析、子带加权、噪声重建。首先采用多分辨分解将舰船噪声信号划分为若干子带,对子带进行逐个地听音分析和各种谱分析,选择特征信息稳定且丰富的子带进行强化,选取并微调各子带加权系数,采用多分辨分析理论重建舰船噪声,并根据重建噪声的功率谱、包络谱分析和听音分析结果调整加权系数,进而用于听音训练。仿真分析中,采用听音分析和谱分析比对原始噪声和重建噪声,验证了该方法的合理性和实用价值。

具有听觉特征的常染色体显性遗传局灶性癫痫的遗传学研究进展

具有听觉特征的常染色体显性遗传局灶性癫痫(ADPEAF)是一种罕见的良性家族性单基因遗传癫痫综合征,以听觉先兆为特征。本文对其表型特征及遗传学研究进展加以综述。

基于特定听觉特征的盲信号提取方法

针对参考信号波形难以构造等情况,提出一种利用期望源信号听觉特征进行信号盲提取的方法,根据源信号的听觉特征先验知识,将提取信号与期望信号听觉特征向量的接近程度作为度量,使用非线性最小二乘法进行迭代计算分离向量,提取出与期望信号在听觉特征上最为接近的源信号。对这种方法进行了理论推导,并使用不同类型的信号进行了仿真。仿真结果表明,该方法具有良好的效果,且由于仅利用了信号的听觉特征,而不需要参考信号的具体波形,对于不同类型的信号,具有广泛的适应性,具有良好的应用价值。

基于听觉特征的被动声纳目标识别

本文对被动声纳目标噪声特征提取与目标识别进行研究,根据目标噪声频谱结构特点,基于听觉机理,提出一种采用美尔频率倒谱系数作为目标特征的识别方法,按照听觉系统模型将目标噪声表示为维数较低的特征向量。对几种不同目标的辐射噪声进行了特征提取和识别仿真,结果表明这种听觉特征能够有效地表示目标噪声特性,基于听觉特征的目标识别具有较好的稳定性和较高的目标识别正确率。

基于听觉融合特征的多声音事件检测

为提高多声音事件检测任务的性能,本文深入研究速动压缩非对称谐振器级联CARFAC数字耳蜗模型,并提出了基于听觉融合特征的多声音事件检测方法 .该方法首先利用CARFAC提取混叠声音的神经活动模式图NAP,然后将NAP与GFCC拼接后生成融合听觉特征,并将其送入CRNN神经网络进行全监督学习,以实现对城市声音事件的检测.实验表明,在低信噪比且重叠事件较多的情况下,融合听觉特征较单独的NAP、MFCC以及GFCC等特征具有更好的鲁棒性和多声音事件检测性能.

语音听觉特征在声纹辨听比对中的应用

利用语音听觉特征的特征表现,根据辨听人对语音听觉特征的听辨结果,对2段语音进行赋值化表述,采用比较研究法,根据语音听觉特征赋值加成结果判断2段语音相似程度。结果显示,引入表格,使声纹辨听过程操作性更强,得出结果的过程更加直观规范。因此,语音听觉特征在声纹辨听比对工作中具有很强反映性和稳定性,利用语音听觉特征能够快速直接判断2段语音的相似程度,过程快速、易操作,流程规范,结果反馈直观,在声纹比对中发挥重要作用。

基于不相似度评价的水下声目标分类与听觉特征辨识

本文旨在探索人类被试对水下声目标的感知分类及在该过程中所利用的听觉特征.首先设计了成对比较实验.然后利用CLASCAL算法对实验获得的不相似度评分进行建模,获得感知空间,并分析了3个公共维度、特异性和3个被试潜类各自的特性及其在目标感知分类中所起的作用.最后,基于Gammatone听觉滤波器组对声样本进行分析,发现了能够有效描述3个公共维度以及节拍特性的听觉特征,并利用它们构造决策树对新样本实现了分类,从而为实际中如何应用这些特征提供了指导.

语音识别中听觉特征的噪声鲁棒性分析

自动语音识别系统在噪声环境下的性能通常会显著下降，这成为制约语音识别技术广泛应用的一个重大障碍。该文在他人的基于Gammatone的听觉特征（GFCC特征）研究基础上，进一步对GFCC与基于Mel频率的倒谱系数（MFCC）在不同噪声环境下的性能表现进行分析研究。选择5种人工和自然噪声进行比较试验：白噪声、粉红噪声、褐色噪声、背景说话人噪声、汽车噪声。通过混合不同类型和不同强度的噪声，系统地研究了基于听觉特性的GFCC特征的特性和抗噪能力；特别地，用不同频段的正弦波噪声与纯净语音混合，分析了GFCC和MFCC在各个频带上的噪声鲁棒性。研究发现，与传统的MFCC相比，GFCC对低频噪声具有更高的鲁棒性，而对中高频噪声相对敏感。由于人类发音通常在较低频率（300～700Hz），这一特性使得GFCC在语音识别任务中具有良好的抗噪能力。实验结果表明，GFCC在多种常见噪声环境下都取得了比MFCC更好的识别效果，特别是在低信噪比的情况下表现出更大的优势。

舰船辐射噪声听觉节奏的时变响度特征提取

为了得到水下目标的有效稳定的识别特征,本文模拟声呐员听音判型过程,分析了功率谱、Zwicker和Fastl时变响度和Glasberg和Moore时变响度提取信号结果。在此分析结果的基础上,提出了节拍响度变化量特征提取方法。仿真研究表明:该方法可以用来作为识别目标的有效特征,当2种舰船辐射噪声的载频相似而调制方式不同时,该方法的识别率可达到90%以上。实际数据处理结果验证了该方法的有效性。

复杂环境下基于听觉子带能量特征的鸟鸣声端点检测

为了检测野外复杂噪声环境中的鸟鸣声信号,提出一种基于人耳听觉特性的听觉子带能量特征鸟鸣声端点检测方法。利用反映人耳听觉特征的Mel频率尺度变换,将鸟鸣声信号在频域划分为24个子带(称为Mel子带),分析鸟鸣声信号的Mel子带能量分布特征,选取能量值最高的Mel子带能量作为特征量进行端点检测。通过仿真和野外实测数据对比了基于短时能量法的端点检测性能,结果表明Mel子带能量法在信噪比(SNR)为-10 dB条件下仍能检测到鸟鸣声信号,对风声、海浪声等海岛环境噪声也具有较强的抗干扰性能,性能优于短时能量法。

基于声信号人耳听觉谱特征的风机故障诊断

提出了风机噪声信号的人耳听觉谱特征提取方法,利用人耳听觉谱特征模拟人耳听觉系统的特性,采用支持向量机分类器进行风机故障的分类识别;设计了基于听觉原理和支持向量机分类器的风机故障诊断系统,并应用于风机故障诊断。文中所用实验数据是在工厂现场采集获得,对现场实测数据的识别实验证明,人耳听觉谱特征可有效用于风机故障诊断,可正确识别99.18%的正常机器,故障类型诊断的正确识别率在91%以上。

听觉感知特征在目标识别中的应用

将听觉感知特征用于声学目标识别,实现对稳态噪声样本的识别,证明听觉感知特征在声学目标识别领域中的有效性。首先通过语音和乐音识别领域的研究成果确定听觉感知特征的提取方法,然后在汽车、飞机、舰船和乐器等不同类型的声目标中进行识别研究。结果显示:对于平稳噪声样本,听觉感知特征中的谱特征具有突出的优越性,其中基于Mel倒谱系数、谱下降值、分段谱质心、分段谱质心带宽和分段谱通量能够识别目标,且具有较高的识别率和稳健性。

水下目标回波和混响在听觉感知特征空间的分类

海底混响是一种与海底底质、海洋环境及发射信号参数等多种因素有关的随机过程,它的存在给水下目标探测识别带来很大困难。鉴于人耳听觉系统在听音辨物方面独特的优越性,利用Gammatone滤波器构建人耳听觉模型,提取听觉时-频特征和听觉谱特征,并讨论主动声呐掩埋目标回波和海底混响在这些特征下的可分离性,选取分离性好的特征构建特征空间,并利用径向基核函数支持向量机进行分类识别。实验结果表明,两类信号的特征具有良好的聚类性,能够获得较高的识别准确率,表明该方法能够有效地区分目标回波和混响。