一种清浊音区分和基音轮廓提取算法

提出了一种新的清/浊音区分算法——能量加权过零率算法,实验表明这种算法能快速准确地区分清/浊音,算法简捷;提出了一种频域预报——时域检测的基音轮廓提取算法,该算法综合了频域法和时域法的优点,具有快速准确的特点.

汉语声调识别中的基音平滑新方法

汉语普通话是一种带声调的语言。声调可以用基音的轮廓信息进行描述。传统基音的平滑方法 :线性平滑、中值平滑和一般的线性插值方法都不能很好地处理连续的基音频率有随机错误点的情况。本文提出了一种通过搜索来得到更精确的基音轮廓的新的基音平滑方法。这种方法具有简单可靠 ,快速高效的特点。实验表明这种方法比传统的方法识别错误率降低约 40 %

一个使用歌谱信息进行哼唱检索的系统

提出一种直接使用歌谱信息进行哼唱检索的方法,并在此基础上实现了一个基于内容的哼唱检索系统——Music Angel.该系统采用歌谱轮廓作为检索目标,首先提出歌谱轮廓特征提取算法并构造标准音调差值图,然后提取哼唱片段的基音轮廓特征并将其转换为歌谱轮廓特征,最后使用动态规划算法进行字符串相似度计算,得出检索结果.结果表明,该系统对环境噪声有较好的鲁棒性;在含有405首歌曲的搜索空间中,检索前5位成功率超过90%.

基于MFCC等组合特征的说话人识别模型

为了有效提取语音特征,提高说话人识别的准确率,系统采用基于有限状态机的端点检测算法对原始语音做VAD处理,提出了新的特征组合参数：基于人的听觉特性的MFCC参数、基于发音生理特征的基音轮廓特征以及衍生的基音周期一阶差分、基音周期变化率,并将它们作为说话人识别系统的特征参数,建立了基于VQ的识别模型.实验表明：本文系统使用VAD,使系统的识别率提高了5%8%,较单独使用MFCC参数的说话人识别系统的识别率提高了2%3%.

基于TD-PSOLA普通话韵律参数修改的实现

在普通话文语转换系统中,如何精确控制韵律参数修改是关系到合成语音质量的关键。根据汉语普通话的韵律特征,采用TD-PSOLA算法,精确实现了的韵律参数的修改。用分时段直线韵律参数模型,动态生成基音轮廓,计算出合成基音标记,一次性实现基频尺度修改和时间尺度的修改。根据自然语音与模拟合成出来的语音韵律参数比较分析表明,能有效地控制韵律参数,达到预期的参数合成目标,并且具有较高质量。也可以进行进行参数合成运算量少,控制参数精确,合成语音清晰自然。

一种引入多脉冲提高AMR_WB丢包处理质量的前向纠错技术

GSM AMR_WB是唯一可以作为有线和无线通用的语音编码标准,提高AMR_WB在丢包环境下的语音质量至关重要。本文提出了一种改进的AMR_WB丢包处理方法,发送端利用基于多脉冲的前向纠错技术,解决丢包时自适应码本带来的错误传播问题。接收端采用基音轮廓修改方法消除语音帧不同步在帧边界带来的恼人噪声。提出的方法在AMR_WB 12.56kb/s模式下实现,PESQ客观评测结果表明,此方法仅增加了0.26kb/s冗余比特率却明显提高了丢包情况下AMR_WB 12.56kb/s的语音质量。