基于语音波形外观的基音提取算法

在对人用视觉提取基音周期过程模拟的基础上，提出一种基于语音波形外观形状的时城基音周期提取算法。该算法利用语音波形的一次峰值点和二次峰值点的幅度和位置以及后峰到前峰的距离等几种属性，来判断决定基音周期值，具有算法简单、运算量小、能准确定位各基音周期位置的特点。此外，由于不需加窗处理，免去了加窗处理所带来的平均效应，该算法在处理相邻基音周期差值较大的语音信号时具有明显优势。该算法比较适合于做各种基音同步算法的前处理。

一种中低码率语音波形编码的新方法

在对语音实验分析的基础上 ,提出一种语音波形编码的新方法——半波编码。文中较详细地阐述了清、浊音码本各自的制作方法 ,并给出编解码实现的过程。实验结果表明 :本语音波形编码方法具有复杂度低、压缩比高等特点 ,重建的语音质量接近 G.72 9编码的水平。本编码方法的特点 :对含噪语音编码可获得良好的质量 ;有很强的保密性能 ,适用于保密通讯 ;具有良好的算法可扩展性。因此 。

一种新的基于语音波形图像模板匹配的S/U/V判别法

提出了一种判别语音静、清、浊三态S/U/V的新方法———语音波形图像模板匹配法。它的基本原理是首先利用语音信号的波形图 ,导出静、清、浊三态的标准矢量模板 ,然后将输入信号波形转换成矢量图 ,与标准模板进行比较。此法不仅简单、高效 ,而且对于过渡帧的判别精度高于其它一些判别法 ,并具有一定的抗突发噪音性能。

波形变换域语音波形的帧间差分编码

本文提出一种新的语音波形的帧间差分编码算法，文中对帧间差分编码所遇到的帧匹配、过渡帧处理和量化器设计等问题进行了讨论，文末给出了汉语普通话几个常见单元音量化信噪比的测试结果。实验表明：采用四比特帧间差分编码，当信号采样频率为８ｋＨｚ时，其短时量化信噪比的平均值超过２９ｄＢ，利用归一化新波形的对称性、半周期取零技术和基音重复，预测误差用４比特量化时，可在数码率２ｋ～４ｋｂｐｓ情况下得到优质重建语音。

中低速率语音波形编码

提出了一种波形编码的新方法,阐述了其编码原理。该编码算法简单,恢复的语音质量较好。由于利用了矢量量化技术,所以该编码速率较低。

多级矢量量化语音波形

本文介绍了一种通用多级矢量量化器的设计方法。这种量化器能有效地克服运算复杂度与存贮器需要量随矢量维数成指数律增长的困难,因而能采用较大的矢量维数以达到较佳的数据压缩率。该方法允许任意指定量化器的级数、矢量维数、每采样码数或传输速率,并按任意指定的数目生成初始码本并将它们优化到局部最优点,然后从中挑出最佳者。该方法中误差计算为一独立模块,可通过更换不同模块来实现以不同误差测量准则来优化码本。由于该方法能方便地设计出具有各种不同参数的多级矢量量化器,故能对量化器级数、矢量维数、每采样码数及不同误差测量方法与量化器性能的关系作有效地研究模拟。本文还给出用该法设计的传输速率为16kbit/s及9.6kbit/s两个多级语音波形矢量量化器的模拟结果。

微机实现语音波形的显示与分析

英语语音测试一直是大家关心的难题 ,传统的测试方法主观因素大 ,本文利用微机通过对软件编程、对硬件设计 ,可将语音变为可视的波形 ,显示在微机屏幕上 ,并方便地将被测语音波形与标准语音波形相比较 ,找出它们之间的差别 ,即可随机矫正。

在波形网络中融合相位信息的骨导语音增强

已有骨导语音增强算法重点关注语音幅度谱增强,在波形合成时会因为相位不匹配导致语音质量下降。为解决该问题,提出了一种融合相位信息的波形网络(WaveNet)模型实现骨导语音增强波形生成。该方法以频带扩展WaveNet为基础,融合骨导语音相位谱信息与增强的语音幅度谱作为模型的条件特征,根据融合特征生成增强语音波形,实现了相位信息的有效利用。仿真实验综合对比了群时延谱和瞬时频率偏差谱相位特征,主客观结果表明,不论是采用串联融合还是卷积融合方式,骨导语音相位信息均有效补充了原有幅度谱条件特征,改善了语音增强效果。利用串联方式融合群时延谱特征可得到最佳结果,相比于原始骨导语音,平均意见得分(MOS)提升了约54.3%。

基音同步特征波形内插语音编码算法

研究了在特征波形语音编码算法中的特征波形分解算法，提出了一种基于基音同步的特征波形内插语音编码算法。特征波形的量化采用变维矢量量化（VDVQ）。通过实现的2．4kb／s的语音质量表明，这种语音压缩算法在低码率时能得到高通信质量的重建语音。

一种新的语言编码(简介)──中低速率语音波形编码

李志军、华继钊同志撰文介绍了一种新的编码方式，由于该文专业性较强、篇幅较长，读 者若有兴趣可与Ｅ－ｍａｉｌ：ＬＺＪ７３１６＠１６３．ｎ．联系。

汉语语音合成语料库的研究与建立

本文介绍了一个语音合成语料库。语料的设计考虑了音段和韵律，语料库中包含汉语的音节、词语、独白语句和情景对话语篇。语音的录制在卦限录音室中进行。语料库中还包括了科学的语料管理系统，它具有查询、浏览和更新等功能。

语音编码技术的发展

1937年A.H.Reeves提出脉码调制(PCM),开创了语音数字化通信的历程。直至今日,64Kbit/s标准PCM系统仍占有统治地位。然而,随着微电子技术的发展,CCITT在八十年代初着手研究低于64Kbit/s的非PCM编码算法,并于1984、1992、1995和1996年分别通过了32Kbit/s AD-PCM的G.721、16Kbit/s LD-CELP的G.728、8Kbit/s CS-ACELP的G.729和G.729附件等建议文件。相应地,各国厂家相继推出有关编码芯片。同时,语音中低速编码的实用化也取得可喜成果。本文拟就语音编技术的发展作一简要回顾,并探讨这一技术的发展趋向。

用于语音合成的PSOLA算法简介

本文介绍了基于波形编辑的语音合成中，用于改善合成语音的自然度的ＰＳＯＬＡ算法的一般过程，及具体的ＴＤ－ＰＳＯＬＡ，ＬＰ－ＰＳＯＬＡ和ＦＤ－ＰＳＯＬＡ算法。分析了时域和频域的算法分别在宽带和窄带条件下的谱特性和它们之间的关系，最后比较了这三种算法的适用范围及其在语音合成中的应用。

科大讯飞语音云打造语音声纹识别

10月28日,科大讯飞'语音云'正式在京发布。'讯飞语音云'的诞生,宣告移动互联网进入语音应用新时代。'讯飞语音云',是基于云计算技术基础,将智能语音技术向广大移动互联网开发者开放,为各类合作伙伴提供低门槛的语音合成、语音声纹识别以及语音听写等智能语音交互式服务。其中Inter Veri是语音云中独创的说话人确认和鉴别产品。说话人识别(Speaker Recognize)技术即声纹识别(Voiceprint Recognize)。

语音处理技术及其在外语教学、科研中的应用

一、引言语言是人类相互间进行交际的最自然和最方便的形式,而语音是众多信息载体中具有最大信息容量和最高智能水平的载体。如果计算机具备了语言功能,既能听懂人说话,又可以用语言表达"思想",则其智能化水平和应用价值将会大大提高,会给人机通讯带来一次革命性的飞跃。为此,美国DARPA战略计划提出了研究口语系统(Spoken Language System),旨在使计算机能理解对话型自然语言。语音处理技术是一个多学科、综合性研究领域,它涉及到人工智能、模式识别、数字信号处理。

基于深层声学特征的端到端语音分离

提出基于深层声学特征的端到端单声道语音分离算法,传统声学特征提取方法需要经过傅里叶变换、离散余弦变换等操作,会造成语音能量损失以及长时间延迟.为了改善这些问题,提出了以语音信号的原始波形作为深度神经网络的输入,通过网络模型来学习语音信号的更深层次的声学特征,实现端到端的语音分离.客观评价实验说明,本文提出的分离算法不仅有效地提升了语音分离的性能,也减少了语音分离算法的时间延迟.

基于数字信号处理的嗓音控制开关(VOX)算法研究

本文提出了一种基于数字谱分析的嗓音控制开关(VOX,Voice-OperatedTransmit)的新算法,该算法简单、实用,在某种程度上克服了传统VOX算法的结构复杂、参数难调等局限,对噪声的鲁棒性也较好,而且易于用数字信号处理实现。首先利用信号功率谱二次处理,提取出语音的平均幅度包络,然后对所得包络进行阈值处理、限幅放大,最后就得到VOX函数。理论分析和计算机模拟结果表明,该算法不仅能较为准确地提取出语音波形的平均幅度包络,而且能工作在较低的信噪比条件下。

用峰值校正自相关函数检测的汉语基音周期

对大量的汉语普通话的语音波形进行分析之后发现汉语普通话的基音提取不能用简单的中心削波自相关方法 ,在进行基音标记时会存在一种基音标记偏移的现象 ,为此在自相关理论的基础上 ,根据声调语言的语音信号音高变化特征 ,对声调语言的基音标记的偏移现象提出了一种基于自相关法和峰值校正的算法 .经实践检验 ,这种算法对声调语言的基音标记的偏移现象能够得到很好的校正 .