基于相对自相关序列MFCC特征的模型补偿技术

提出了基于相对自相关序列(Relative Autocorrelation Sequences,RAS)MFCC特征的模型补偿技术,并给出其理论推导及分析。实验结果表明,本文提出的补偿技术可以在不同信噪比下提高RAS-MFCC的性能,使基于RAS-MFCC的识别系统在低信噪比时仍能保持较高的识别率,并且在低信噪比时其性能明显优于经过相同补偿处理的MFCC识别系统。

一种基于相对自相关序列的语音端点检测法

在研究单边自相关序列(One-sided autocorrelation,OSA)和相对自相关序列(Relative autocorrelation sequences,RAS)的基础上,提出了一种基于相对自相关序列的语音信号的端点检测算法。该方法利用相对自相关算法能够消除噪声的原理,以语音信号相对自相关序列短时平均幅度代替双门限比较法中的语音信号短时平均幅度,以语音信号短时平均幅度代替语音信号的短时平均过门限率,实验表明,在低信噪比下检测精度要高于传统的双门限比较法。

语音信号的一种加权的鲁棒特征参数W_RAS_MFCC

本文讨论了一种加权的带通滤波器分析法(WFBA)来加强语音信号相对自相关序列(RAS)美尔倒谱系数的性能,它通过简单而直接的手法使人耳敏感的对数带通滤波器(LFBEs)频谱峰值更加突出,而使相应不敏感的谷值处更加减小,实验表明,在噪声干扰或者有信道失真情况下,语音的相对自相关序列的加权的美尔特征差数(W_RAS_MFCC)比W_MFCC以及其它的谱的提升技术具有更强的鲁棒性.

语音信号的一种加权鲁棒特征参数W_RAS_MFCC

讨论了一种加权的带通滤波器分析法(WFBA)来加强语音信号相对自相关序列(RAS)美尔倒谱系数的性能,它通过简单而直接的手法使人耳敏感的对数带通滤波器(LFBEs)频谱峰值更加突出,而使相应不敏感的谷值处减小,实验表明,在噪声干扰或者有信道失真情况下,语音的相对自相关序列的加权Mel特征参数(W_RAS_MFCC)比加权Mel频率倒谱系数(W_MFCC)以及其他谱提升技术具有更强的鲁棒性。

一种连续词端点检测的改进方法

在研究双门限比较法的基础上,提出了语音端点检测不变门限三次搜索检测法,该方法主要由多词检测、端点修复和漏点检测3部分组成,有效解决了双门限比较法检测连续词端点的门限设置问题;在语音信号归一化的前提下,能以同一门限准确检测出语音信号的端点。在较低信噪比情况下,基于语音信号的短时相对自相关序列的短时平均幅度的端点检测能够获得较高的检测精度。