高性能汉语数码串语音识别

本文给出了一个高性能汉语数码串非特定人连续语音识别系统 ,其声学模型基于Mel倒谱系数和连续HMM ,识别时采用多候选帧同步搜索算法 ,并采用了MCE算法进行训练以提高系统的区分能力 ,实验证明该系统的识别率为 94 8% (不定长数字串 )和 96 8% (定长数字串 ) .为增强系统的实用性 ,本文还研究了基于MAP算法的说话人自适应算法和基于置信度的拒识算法 .在进行自适应后 ,误识率可相对下降 40 %以上 ,在拒绝掉 5 %的正确语音时 ,系统识别率可以上升到 96 9% (不定长数字串 )和 98 7% (定长数字串 ) .

高性能汉语数码串快速识别算法的研究

为了提高非特定人汉语数码串连续语音识别系统的识别速度 ,对系统进行了细致的研究 ,有针对性地提出了一种新的快速识别算法 .通过对隐含马尔可夫模型输出概率密度函数运算的简化 ,以及采用结合段长信息的束搜索剪枝算法 ,在保证识别精度的情况下 ,使识别系统对不定长数码串平均识别时间从 0 .92 s减少为 0 .11s,而串识别正确率仅从 94.3%下降到 94.0 % 。

连续数码串语音识别系统的MATLAB实现

应用连续隐马尔可夫模型(CHMM)为识别算法,采用MFCC(MEL频率倒谱系数)为主要语音特征参数,建立了一个汉语连续数码串语音识别系统,其中包括语音信号的预处理、特征参数的提取、识别模板的训练以及识别匹配算法,文中就系统的各个部分的具体实现进行了阐述.同时,利用MATLAB的语音工具箱voice box对系统进行了仿真,并给出了系统识别结果,指出了系统进一步改进的方法.

基于统合高维对角协方差的CHMM语音识别

提出了一种基于统合高维对角协方差的CHMM语音识别方法,该方法在语音观察矢量中设定一阈值,将高维特征分量的对角协方差舍去不用,而用一固定值代替,能有效地消除高维特征分量贡献比率较小引起的误差;另外根据该方法的高斯分布函数表达形式,引入一种计算方法,降低其计算复杂度.通过对非特定人汉语数码串语音识别的实验数据表明,基于统合高维对角协方差矩阵系统与基线系统相比,识别率从基线系统的90.75%提高到94.17%,计算时间从基线系统的100%降低到87.7%.

模式识别

0115978高性能汉语数码串语音识别[刊]/李虎生∥电子学报.—2001,29(5).—595～599(C)0115979基于整数小波变换的图像鉴定数字水印技术[刊]/肖亮∥计算机工程与应用.—2001,37(8).—21～23,58(L)该文提出了一种基于整数小波变换的数字水印技术。首先,由原始图像边缘图的 Hash 函数输出的信息摘要比特流生成水印序列。然后,提出了一种整数小波域利用平移窗的多比特水印嵌入的非线性方法,并实现了脱离原始图像的具有高概率检测能力的水印检测方法。实验结果表明这是一种行之有效的图像鉴定方法。