高阶MFCC的话者识别性能及其噪声鲁棒性

在一个以ＭＦＣＣ为特征参数的语音识别系统中，人们通常采用低阶的ＭＦＣＣ系数作为语音帧的特征矢量。本文对ＭＦＣＣ的高、低阶系数在与文本有关的话者识别中体现出的识别性能和噪声鲁棒性分别进行了实验分析，发现高阶的ＭＦＣＣ系数在干净环境下对于话者识别而言具有与低阶ＭＦＣＣ系数相当的识别性能，并且当环境信噪比恶劣时，高阶的ＭＦＣＣ系数表现出比低阶ＭＦＣＣ系数更强的噪声鲁棒性。基于这个结果，本文将高阶系数的取值范围进一步向低阶拓展，只滤除最易受噪声影响的几个系数，并与Ｄｅｌｔａ参数相结合形成新的特征矢量。实验证明，这种经过适当选取的ＭＦＣＣ系数同时具有良好的话者识别性能和噪声鲁棒性。

基于噪声鲁棒性特征和SVM的耳语音可懂度增强(英文)

提出了一种基于机器学习的耳语音可懂度增强方法.该方法利用已经训练好的2类支持向量机来估计一个二元时频掩蔽值,进而合成增强后的耳语音.输入支持向量机的特征向量GFCCs是基于听觉外周模型进行提取的,具有噪声鲁棒特性.在增强仿真实验中,将该算法同传统语音增强算法进行语音可懂度增强性能比较.客观评价和主观听力实验结果均表明,所提出的方法能有效提高含噪耳语音的听觉可懂度;相比谱减法和log-MMSE方法在低信噪比时无法提高语音可懂度,该方法在低信噪比时仍可有效提高含噪耳语音的听觉可懂度.此外,含噪耳语音通过所提出的方法进行增强后,其可懂度比未增强时明显提高.

基于子带HMM和MLP的话者确认系统的噪声鲁棒性研究

噪声鲁棒性是影响话者确认系统实用化的关键问题之一,为了提高系统的噪声鲁棒性,本文设计了一种基于子带隐Markov模型(HMM)和多层感知机(MLP)的话者确认系统,系统由多个子带系统所构成,对每个子带分别建立基于背景模型的连续HMM话者确认模型,采用MLP对各个子带HMM的输出进行非线性拟合,并利用MLP直接做确认判决。在与文本有关的话者确认实验中,本文提出的模型较常规基于背景模型的HMM话者模型在确认性能和噪声鲁棒性上均有所提高,实验进一步表明,利用MLP进行拟合和判决在一定程度上解决了话者确认阈值设置的困难,有效地提高了确认系统的鲁棒性。

具有噪声鲁棒性的三维磁性纳米粒子成像快速重构方法

为提升磁性纳米粒子三维成像和重构速度,降低三维重构对采样投影数据完备性要求,针对含噪声投影数据三维重构优化问题,本文提出了一种具有噪声鲁棒性的三维磁性纳米粒子成像快速重构方法(noise-robust 3D sparse sampling magnetic particle imaging,3D NRSS-MPI).该算法通过求解一个由MPI投影成像正向模型l2范数和稀疏正则约束建立的凸优化问题实现3D MPI图像重构.模型不受MPI扫描轨迹限制,为不断发展的MPI新技术提供了普适性的基础模型;建立的三维全变分稀疏算子(3D total variation sparse operator, 3D TV Sparse Operator)利用MPI先验信息提升含噪MPI投影数据三维重构的鲁棒性,且可以进行无矩阵运算,大幅提升了运算效率.通过点源和冠状血管模型成像实验表明,在1/4欠采样下,本文3D NRSS-MPI方法可以有效消除重构图像星状伪影,获取较高的图像信噪比,同时冠状动脉重建结构相似性超过0.701,可以准确地对欠采样、有噪声的MPI数据进行快速而稳健的重建,有效缩短了4倍成像和重构时间.

一种提高同步压缩变换噪声鲁棒性的方法

为了解决同步压缩变换(synchrosqueezing transform,SST)在无噪声干扰下能够显著提高时频分辨率,但在有背景噪声时会出现严重的时频模糊的问题,将自适应变分模态分解(self-adaptive variational mode decomposition,SVMD)与SST结合,提出SVMD-SST方法;通过不同信噪比的仿真信号及蝙蝠信号分析验证该法提高同步压缩变换的噪声鲁棒性的效果。结果表明,SVMD-SST方法能够抑制强噪声干扰,在时频分辨率、瞬时频率估计精度及重构信号信噪比方面优势明显,是一种有效的时频分析方法。

用于噪声鲁棒性语音识别的子带能量规整感知线性预测系数

为了提高感知线性预测系数(PLP)在噪声环境下的识别性能,使用子带能量偏差减的方法,提出了一种基于子带能量规整的感知线性预测系数(SPNPLP)。PLP有效地集中了语音中的有用信息,在安静环境下自动语音识别系统使用PLP可以取得良好的识别率;但是在噪声环境中其识别性能急剧下降。通过使用能量偏差减的方法对PLP的子带能量进行规整,抑制背景噪声激励,提出了SPNPLP,增强自动语音识别系统在噪声环境下的鲁棒性。在一个语法大小为501的孤立词识别任务和一个大词表连续语音识别任务上做了测试,SPNPLP在这两个任务上,与PLP相比,汉字识别精度分别绝对提升了11.26%和9.2%。实验结果表明SPNPLP比PLP具有更好的噪声鲁棒性。

采用联合字典优化的噪声鲁棒性语音转换算法

针对含噪语音难以实现有效的语音转换,本文提出了一种采用联合字典优化的噪声鲁棒性语音转换算法。在联合字典的构成中,语音字典采用后向剔除算法(Backward Elimination algorithm,BE)进行优化,同时引入噪声字典,使得含噪语音与联合字典相匹配。实验结果表明,在保证转换效果的前提下,后向剔除算法能够减少字典帧数,降低计算量。在低信噪比和多种噪声环境下,本文算法与传统NMF算法和基于谱减法消噪的NMF转换算法相比具有更好的转换效果,噪声字典的引入提升了语音转换系统的噪声鲁棒性。

音源特征用于提高话者确认系统的鲁棒性

给出了一种采用音源特征信息提高以声道倒谱参数为特征的话者确认系统噪声鲁棒性的方法,提取了两类音源特征参数:短时(单帧)特征参数和较长时(多帧)特征参数,并分别构建了两个利用音源特征参数的与文本无关的话者确认辅助子系统.采用线性加权对主、辅子系统的输出进行融合.在NIST’03数据库上100个男性话者的对比实验表明,音源特征参数具有良好的噪声鲁棒性,声道特征与音源特征具有较强的互补性,尤其是在较强的噪声背景下,利用音源特征可以有效地提高以声道倒谱参数为特征的确认系统的鲁棒性.

基于听觉模型的话者特征参数提取及其在噪声背景下的话者辨识

本文基于人耳听觉模型提出了一种鲁棒性的话者特征参数提取方法．该种方法中，首先由Ｇａｍｍａｔｏｎｅ听觉滤波器组和Ｍｅｄｄｉｓ内耳毛细胞发放模型获得表征听觉神经活动特性的听觉相关图。由听觉神经脉冲发放的锁相特性和双声抑制特性，我们将听觉相关图每个频带中的幅值最大频率分量作为表征当前频带特性的特征参量，于是所有频带的特征参量便构成了表征当前语音段特性的特征矢量；我们采用ＤＣＴ变换进一步消除各个特征参量之间的相关性，压缩特征矢量的维数．有效性试验表明，该种特征矢量基本上反映了输入语音的谱包络特性；抗噪声性能实验表明，在高斯白噪声和汽车噪声干扰下，该种特征参数比ＬＰＣＣ和ＭＦＣＣ有较个的相对失真；基于矢量量化的文本无关话者辨识表明。

一种基于噪声模型的语音/噪声分类方法

提出了一种可用于嵌入式ASR系统的语音/噪声分类的新方法,该方法利用一个噪声模型,对每帧信号的评价值进行语音/噪声分类.实验表明,该方法可以有效地区分语音和噪声,并表现出在各种噪声环境和不同信噪比条件下的鲁棒性.该算法已经集成进一个ASR系统,并在Com-paqiPAQ上进行了测试,其计算代价不到整个系统代价的10%.

基于噪声分类与补偿的车载语音识别

针对现有车载语音识别系统在实际应用环境下噪声鲁棒性较差的问题,提出一种基于支持向量机(SVM)的噪声分类与补偿方法。采集各应用场景下的噪声构建SVM噪声分类器,利用SVM对待测语音静音段中的噪声进行分类,根据噪声类型选择相应的带噪训练模板进行噪声补偿,并将差分频谱倒谱系数作为特征参数进一步抑制语音段中的噪声,从而实现车载语音识别。实验结果表明,该方法可有效增强车载语音识别系统的噪声鲁棒性,并且与稀疏编码语音增强和能量规整倒谱系数特征增强方法相比,具有更高的语音识别率。

基于双字典的噪声环境下的语音转换方法

现实有噪环境下,传统的语音转换系统性能会激剧下降,为此该文提出了一种具有噪声鲁棒性的语音转换算法.在训练阶段,除了生成纯语音字典,还要用背景噪声获得噪声字典,然后将两者联合起来匹配含噪语音.在转换阶段,利用含噪语音所对应的纯语音字典的权值矩阵和目标语音字典,实现语音转换.实验结果表明,在信噪比较低时,该文算法比传统的转换算法具有更好的抗噪性能;并且在多种不同噪声环境下本文算法都具有明显的优势.

多噪声环境下的层级语音识别模型

针对多噪声环境下的语音识别问题,提出了将环境噪声作为语音识别上下文考虑的层级语音识别模型。该模型由含噪语音分类模型和特定噪声环境下的声学模型两层组成,通过含噪语音分类模型降低训练数据与测试数据的差异,消除了特征空间研究对噪声稳定性的限制,并且克服了传统多类型训练在某些噪声环境下识别准确率低的弊端,又通过深度神经网络(DNN)进行声学模型建模,进一步增强声学模型分辨噪声的能力,从而提高模型空间语音识别的噪声鲁棒性。实验中将所提模型与多类型训练得到的基准模型进行对比,结果显示所提层级语音识别模型较该基准模型的词错率(WER)相对降低了20.3%,表明该层级语音识别模型有利于增强语音识别的噪声鲁棒性。

提高MFCC鲁棒性的方法

在噪声环境中,基于笔记本电脑录音的情况下,采用特征参数加窗的方法,以提高系统的噪声鲁棒性。在Matlab环境下,建立了基于高斯混合模型(GMM)的说话人辨认系统,并进行实验。通过对多种窗口的正识率比较,发现对美尔倒谱(MFCC)高阶参数的加窗提升,可以改善系统的鲁棒性。实验结果表明,采用加窗后的系统识别率得到了明显改善。

语音识别的鲁棒性特征提取方法研究

训练环境和测试环境的不匹配是造成实际情况下语音识别性能下降的主要原因。在深入研究语音识别的噪声环境和Mel域倒谱系数(MFCC)流程的基础上,基于累计分布函数匹配思想,给出了3种通过减小训练环境和测试环境的不匹配度来提高系统在不同环境下适应性的鲁棒性特征提取方法,分析了它们的理论基础、基本算法,并在Aurora2.0数据库上进行了实现,验证了方法的有效性,为实际应用中如何选择语音识别系统提供了参考。

人工合成噪声环境下的连续英文数字识别系统

噪声鲁棒性问题是当前语音识别的一个重点,作者提出了一个在已有数据库下通过人为地将噪声和语音信号混合的方法,实现实际环境下的连续英文数字语音识别系统.即通过自设计的程序将采集到的噪声文本根据不同的信噪比随机地添加到现有的语音数据库的语音文本中,使新的数据库中的语音文本符合实际的语音环境.实验结果表明,本系统对带噪声环境下的英文数字的识别率效果好,单词的总体正确识别率达到95.86%.

基于后验知识监督的噪声鲁棒声学模型研究

语音人机交互技术作为近几年的一个研究热点,市场需求逐步增长,但是人机交互系统在抗干扰能力上存在不足,系统性能易受环境噪声的影响,一定程度上限制了相关产品的应用推广.针对人机交互噪声鲁棒性问题,提出了一种基于后验知识监督的噪声鲁棒声学建模方法,类似于老师指导学生的方式,以老师模型的后验概率分布(软标注)作为指导知识对学生模型的训练进行监督,并设计出一种基于CNN-DNN混合网络的学生模型,通过对带噪语音的高层特征进行提炼,提升声学模型的抗噪性能.构建的学生模型在CHIME带噪数据集下进行了性能验证实验,实验结果显示三种老师模型监督下的学生模型词错误率与基线模型相比平均下降了5.21%、6.35%和7.83%,表明提出的后验知识监督方法对声学模型的鲁棒性具有很好的提升效果.

基于偏最小二乘线性求解的结构损伤识别

基于模态参数化线性求解结构损伤的识别方法在工程中具有较为广泛的应用。然而,在噪声的干扰下,当结构可测量的模态阶数较少时,利用该方法求解的结果会出现大量的虚假损伤,严重扰乱真实的损伤信息。针对此问题,引入了一种基于偏最小二乘多线性回归建模的方法来对损伤识别结果进行降噪处理。通过对损伤结构的频率和振型信息添加一定水平的噪声干扰,分析确定结构单元的损伤参数,并利用偏最小二乘法重构线性方程组。同时,选择识别结果较为稀疏的解作为标准样本点,利用奇异值分解法回代求解结构的损伤参数。以桁架模型为例的数值模拟结果表明,在噪声干扰下,该方法与传统最小二乘法和奇异值分解法相比,不仅损伤识别结果准确,而且能够最大程度抑制虚假损伤的产生。

一类模糊重构度分类器

作为经典的分类器,模糊K近邻分类器(FKNN),有着较为广泛的应用,且衍生出许多改进分类器。不同于模糊K近邻分类器使用简单的投票策略构建模糊集,提出一种新的分类器,即基于重构度模糊分类器。得益于对样本重构方法的改良,新的分类器避免了传统FKNN需要根据不同的数据集合调整相应的K参数的不足,而是以数据集为驱动,进而无参数调整。同时,由于重构度从结构上对噪声所产生的影响有一定抑制作用,所以该分类器对于图片噪声的鲁棒性较强。实验结果也表明基于重构度的模糊分类器在加噪声的AR人脸库上都取得了超越其他类FKNN的表现。

基于S变换模时频矩阵相似度的短时电能质量扰动分类

提出了一种基于S变换模时频矩阵相似度的短时电能质量扰动分类方法。首先,建立各种扰动的标准模时频矩阵,然后计算扰动信号模时频矩阵与标准模时频矩阵的相似度,按照相似度最大的原则将扰动分类。该方法直接利用S变换结果,而不用增加其它算法或变换,原理简单、计算方便。仿真结果显示,该分类方法在不同噪声水平下均能达到满意的分类正确率,是一种有效的短时电能质量扰动分类方法。