听觉掩蔽门限在说话者识别中的应用

语音信息在人的听觉系统中的表示具有一定的冗余性．利用这一特性把丢失数据技术应用于噪声环境下说话者识别系统的性能改进．听觉掩蔽效应这一听觉现象被用来检测语音信号频谱中被噪声严重干扰的“丢失成分”．经过丢失数据补偿技术结合语音增强处理，说话者识别系统在不利环境下的准确率得到了提高．通过对宽带噪声－ 白噪声和一种特殊噪声——汽车噪声干扰下语音的说话者辨认实验，发现这种方法优于单独使用语音增强方法．

一种基于人耳听觉特性的数字音频水印方案

利用人耳听觉特性,结合MP3压缩特性,对音频信号中人耳不敏感区域的能量进行修改,实现数字水印的嵌入,同时不需要额外的信息作为同步标识.在嵌入信息的检测中,除了少量系统参数外不需要原始信号.实验表明该水印具有很好的隐蔽性,对于常见的攻击能表现出良好的稳健性.

改进的子空间语音增强算法

单通道子空间语音增强算法在加性噪声为白噪声的情况下,效果比较理想。加性噪声为有色噪声的情况下,通常用广义奇异值分解算法来进行处理。为了降低低信噪比情况下残留的音乐噪声,结合人耳的听觉掩蔽效应,提出了一种基于感官抑制的广义奇异值分解算法。实验结果显示,该算法能够明显地提高语音质量、可懂度和识别率,特别是在加性噪声是有色噪声的情况下实验结果明显优于其他的语音增强算法。

一种基于广义奇异值分解的语音增强算法

广义奇异值分解的单通道语音增强算法在加性噪声为白噪声的情况下,效果比较理想.加性噪声为有色噪声的情况下,通常用一种基于熵奇异值分解(QSVD)的方法来处理.对QSVD算法进行衍生,首先提出了一种基于广义奇异值分解的子空间语音增强算法(GSVD).为了处理低信噪比时残留的音乐噪声,结合人耳的听觉掩蔽效应,进一步提出了一种基于感官抑制的GSVD(PCGSVD).试验结果显示,PCGSVD算法能够明显地提高语音质量、可懂度和识别率,特别是在加性噪声是有色噪声的情况下实验结果明显优于其他的语音增强算法.