用于实时语声识别的连续VQ聚算法

本文阐述了一个用于实时语声处理的连续矢量量化聚算法(CVQC)。该算法把语声信息的时变性质用于训练和识别过程。与通常的动态时间弯曲(DTW)和矢量量化VQ方法比较,这个新算法的训练和识别速度均较快,码本较小,但仍保留两种方法的优点。这个新开发的算法着重于实时实现。此外,本文还介绍了一个以CVQC为基础的语声控制计算机命令输入系统。

隐马尔柯夫模型语声识别参数估计的研究

本文讨论了两种新的隐 Markov 模型(HMM)参数估计的方法,分别称为最大互信息估计(MMIE)和最大检测函数估计(MDE),并提出了一种改进的 HMM参数估计算法.

语声识别技术

语声识别技术李昌竹（北京邮电大学北京１０００８８）１前言语声识别（ＳｐｅｅｃｈＲｅｃｏｇｎｉｔｉｏｎ）是指采用计算机及电子电路自动提取语声信号中最基本、最有意义的信息，即韵质信息。人与人之间最顺畅的交流方式就是说话，若人与机器也能直接通过说话进行交流...

一个最小语声识别系统的构成及相关技术

本文简述了一个用ＤＳＰ芯片实现的语声识别系统，并对其最基本的技术问题进行了讨论。

多层感知器神经网络及其在语声识别方面的应用

本文首先描述一种神经网络的拓扑结构——多层感知器神经网.其次推导出针对该神经网的整体学习算法,给出算法在一般微机上运行时所遇到的一些具体问题处理原则.最后将双隐层感知器用于语声识别.实验表明:多层感知器神经网络技术用于小词汇量、低信噪比、机载条件语声识别系统,是一种有益的尝试.

基于STA-CRNN模型的语声情感识别

语声情感识别对人机交互和情感计算研究领域具有重要作用,各类研究方法层出不穷。近期研究学者应用卷积神经网络和长短期记忆网络方法提取对数Mel谱图空间特征和时间特征,取得了一定的成果。然而不论是卷积神经网络还是长短期记忆网络提取特征时,都会产生特征冗余,导致语声情感识别效果下降。针对这一问题,该文提出了一种基于时空注意力机制的卷积-递归神经网络模型,采用对数Mel谱图和其一阶差分、二阶差分作为特征输入,在使用卷积神经网络提取空间特征和长短期记忆网络提取时间特征时,加入空间注意力和时间注意力机制,从而使上述网络能够更好地提取到对数Mel谱图中有效表征情感的空间特征和时间特征。该模型在Emo-DB和IEMOCAP语声数据集上的加权准确率分别达到86.8%、69.4%,未加权准确率分别达到84.7%、65.5%,优于当前大多数先进方法。

几种音乐识别算法比较

讨论了音乐识别领域中音高的三种不同的识别方法，即时域的并行处理法、频域的谐波峰值法以及时频域的小波算法。通过实例和分析，比较了各种方法的优缺点。

计算机语音信号处理与语音识别系统

对计算机语音处理和对单个数码字识别的实现进行了探讨。根据汉语语音的特点，以汉语单音字作为识别对象，对１０个数码字识别进行了研究和实验。通过观察和分析语音信号的时域特性（主要是短时帧能量、短时过零率和帧能量差），并把它们应用于语音端点检测，为系统的建立做了基础准备。选用了语音信号的功率谱差的特征，进行了模板的建立与识别实验。测试结果表明，该系统性能较稳定，单个数码字识别率可达９８６％，说话人识别率达到９２２％。

语音识别中的抗噪声方法

在实验室环境中正确识别率很高的语音识别系统，在生产现场中的性能往往会大幅度下降，严重限制了语音识别技术的实际应用．针对邮政分拣中心的实际生产环境，对语音识别技术中的抗噪声问题进行了实验分析和研究，提出了几种在生产现场中具有较好效果的噪声补偿方法。

多讲话者汉语单字识别

本文详细介绍了隐 Markov 模型(HMM)的基本概念和计算概率的前、后向算法,并采用 HMM 作了多讲话者(三人)小词汇量汉语单字识别实验。正确识别率为98%。

人耳听觉感知知识用于孤立数字语音识别

将人耳听觉感知方面的知识用于孤立数字语音识别，提取出感知线性预测倒谱参数（ＰＬＰＣ）．对ＰＬＰＣ参数和线性预测倒谱参数（ＬＰＣＣ）进行比较，得出使用８阶ＰＬＰＣ参数可以获得优于１２阶ＬＰＣＣ参数的性能．采用基于ＰＬＰＣ参数的多种特征参数进行识别，非特定人识别率可以达到近９７％．

一种简单有效的说话人身份认证方法

采用生物的特征识别技术,对说话人识别中说话人确认与说话人辨认的传统方法与分类进行了讨论,对现在使用的各种说话人识别算法进行了综合分析。以LPCC(Linear Prediction coding Coefficient)和MFCC(MEL Frequency Cestrum Coefficient)两种特征参数提取为基础,对GMM(Gaussian MixtureModels),VQ(vector Quantization),DHMM(Discrete Hidden Markov Model),CHMM(Concatenation HiddenMarkov Model)等几种识别方法进行了实现,做到了真正的与文本无关。特别以GMM识别方法的部分实验结果为例进行分析,解决了系统中的阈值设置问题,改进了该方法的决策手段。根据实验数据,在各种方法中,说话人确认的错误拒识率和误识率相对说话人辨认总是较高,本文把说话人辨认的阈值选择方法应用于说话人确认,以多模板匹配方式为辅助,使得说话人确认的错误拒识率和误识率大大降低,并通过实验证明了该种改进方法的有效性。

计算机辅助英语词汇统计研究

1.1 信息科学、材料科学和能源科学是现代科学技术的三大支柱。信息的主要载体是自然语言。近年来,随着计算机技术的发展,发达国家普遍重视自然语言的计算机处理,不断开拓出新的应用领域,如机器翻译、自然语言理解、情报检索、语声识别、人工智能以及计算机编词典、自动编文摘、语声打字、自动阅读等等。

语音信号处理技术

语音信号处理用以实现人-人、人-机器和机器-人的通信,是现代通信领域的重要环节。本文详细介绍了其三个分支,即语音编码、语音合成、语音识别与理解的研究和应用现状及其发展。

眼纹自动分析仪

眼纹自动分析仪视觉信息占人感觉器官所接受全部信息总量的８４％，人的眼睛在现代身份鉴别中正在发挥着特殊的功能。美国科学家根据生物统计原理发明了一项“眼纹”鉴别新技术，或称视网膜扫描技术（ＴｅｔｉｎａＳｃａｎＴｅｃｈｎｏｌｏｇｙ）。这项技术的实施目的是用...