船体结构冰载荷的远场识别方法及试验验证

冰区航行船舶的冰载荷监测系统可实时保障结构安全。常规的冰载荷监测系统通常采用在冰区水线处布置应变传感器进行测量,然而船体结构水线处往往因水密隔舱等密闭结构而难以进入。为克服传感器安装位置的限制,本文提出一种船体外板结构远场冰载荷识别模型。采用狄拉克函数形成监测点载荷-测量点冰激应变间的Green矩阵,并用Picard准则对载荷识别系统的不适定性进行分析。同时,采用共轭梯度最小二乘迭代型算法和移动平均滤波技术提升求解精度及降低噪声信号影响,并将反演模型应用到外板结构的载荷识别试验中,反演的载荷可较好地对应上施加载荷的时域特征且载荷识别精度良好。本文提出的冰载荷识别模型是对原有冰载荷监测方案的扩展,可有效提升监测范围。

面向远场语音识别的回声消除算法及应用验证

针对小型侦查类设备在执行远场监听工作时,由于复杂军事作战环境中回声影响系统识别率的问题,基于步长调整原则,提出了一种面向远场语音识别的回声消除改进算法,从根本上提高了输入语音信号的质量。该算法在归一化最小均方(normalized least-mean-square,NLMS)算法的基础上引入了双曲正弦函数,得到能够表示误差与步长之间关系的步长调整函数,通过误差值的大小实现了对步长值的实时调整;并基于MATLAB平台对NLMS算法、SVSLMS算法、基于双曲正弦函数的LMS改进算法以及文中NLMS改进算法做模拟仿真,对比结果可知,改进算法性能更优,在不增大收敛误差的条件下具有更快的收敛速度。进一步搭建嵌入式硬件平台对其实际性能进行测试,试验结果表明,系统识别加入回声后的语音时,词错误率高达60%以上,通过改进算法做语音增强后,系统词错误率明显降低,平均识别率约为80%,验证了基于双曲正弦函数的NLMS改进算法在实际应用中的有效性。

人工智能中远场语音识别技术的研究

近年来,随着智能音箱产品风靡全球,"你说我做,你问我答",俨然成为人工智能的代名词。可见目前的人工智能主要还是基于语音识别的智能化。所以,对远场语音识别技术进行了研究,探讨了人工智能中远场语音识别技术的难点和未来发展。

基于环形麦克风阵列的远场语音识别系统

语音在远场识别中,随着语音传播距离的加大,语音本身的衰减,混响、背景噪音、人声干扰和回声加大等技术难题,会引起的识别距离近、识别率低等问题。针对这些问题,提出了一种基于环形麦克风阵列的远场语音识别系统。该设计采用SinoVoice公司环形布局的pansy板作为语音前端处理的核心,结合其相应的离线语音识别引擎以及单片机,运用于服务机器人的语音动作控制系统中。经在噪声环境下的非特定的不同距离、不同角度、消回声的语音识别测试,结果表明在噪声环境下,该系统对远距离命令也有较高的识别率,并且可以消除回声,适用于服务机器人的应用环境,也适合其他有噪环境下远场语音识别系统的应用。

MLLR和MAP在远场噪声混响下的语音识别研究

自适应技术可以用较少的数据来调整声学模型参数,从而达到较好的语音识别效果,它们大多用于自适应有口音的语音。将最大似然线性回归(Maximum Likelihood Linear Regression,MLLR)、最大后验概率(Maximum A Posteriori,MAP)自适应技术用在远场噪声混响环境下来分析其在此环境下的识别性能。实验结果表明,仿真条件下,在墙壁反射系数为0.6,各种噪声环境下MAP有最好的自适应性能,在信噪比(Signal-to-Noise Ratio,SNR)分别为5 dB、10 dB、15 dB时,MAP使远场连续语音词错率(Word Error Rate,WER)平均降低了1.51%、12.82%、2.95%。真实条件下,MAP使WER下降幅度最大达到了37.13%。进一步验证了MAP良好的渐进性,且当自适应句数为1 000时,用MAP声学模型自适应方法得到的远场噪声混响连续语音的识别词错率比自适应前平均降低了12.5%。

维纳后置滤波DNN前端增强的远场语音识别

由于混响和噪声等因素影响,远距离场景下的语音识别性能较近场语音识别的性能仍有很大差距。为提高远场语音识别系统的性能,在后置滤波波束形成的基础上,提出结合深度神经网络与维纳后置滤波的前端增强远场语音识别方法。将维纳滤波嵌入神经网络对波束形成后的语音输出进行增强,抑制相关性噪声,最后利用TDNN-LSTM近场语音识别系统进行语音识别。实验在数据集CHiME-5上进行,结果表明,该方法对远场语音的识别结果优于传统的后置滤波方法,字错误率下降2.3%。

远场语音识别方法研究

为降低混响因素对语音识别效果的影响,对远场语音识别方法进行探索:提出一种联合训练方法 ,不仅利用去混响后的特征,还利用原始特征作为信息互补。实验表明,该方法在2 000小时中文数据集上取得了相对9.7%的效果提升,比简单的DNN去混响策略有显著提升,证明了利用近场语音代替高保真语音在实验中的有效性。

智能液晶电视产品远场语音方案的设计应用

语音识别是目前最为热门、发展前景极为广阔的一种新技术,是触控、手势与语音三大人机交互技术中的一种最为最为自然合理的交互技术。智能液晶电视作为智能家居的一种,使用语音识别技术能够实现智能化。远场语音技术能够使智能液晶电视在更远距离范围内实现人声操控。本文从远场语音识别模块、电视主机语音模块两大主要模块的构造、功能,以及远场语音与智能液晶电视的连接形式等方面,分析了智能液晶电视产品的远场语音应用方案,使智能液晶电视能为用户提供更为完美的体验。

地震预警断层参数实时识别方法(FinDer)详解及其性能初步评价

详细阐述了美国加州ShakeAlert地震预警系统中使用的断层破裂参数实时测定方法(FinDer FinDer:Finite Fault Rupture Detector)的技术细节。利用1999年集集Mw7.6级地震、2008年汶川Ms8.0级地震及2013年芦山Ms7.0级地震,以及日本K-NET台网记录的80次中小地震的强震观测数据对该方法的性能进行了评价。结果表明:在密集台网条件下,FinDer方法能够较为准确地实时识别正在发生地震的断层破裂长度和走向以及质心位置,是解决地震预警系统中断层破裂参数实时识别问题的有效手段之一;FinDer方法只能在断层破裂已经发生的条件下,对其长度和走向进行识别,无法预知断层可能的最终长度或最终走向;远场和近场识别是影响该方法准确性的主要因素,也是该方法识别误差的主要来源。

语音识别技术研究进展与挑战

【目的】本文对语音识别系统的主流技术框架及主要挑战进行了系统而全面的介绍,为语音识别领域的进一步技术研究提供参考。【方法】首先,介绍了端到端语音识别框架的主流方案;然后,提出了语音识别应用中的四大挑战性问题,即恶劣场景的识别问题、中英文混合识别问题、专业术语的识别问题以及低资源小语种识别问题。【结果】针对端到端框架稳定性不足的问题,提出了带有强化和过滤注意力机制的改进方案。针对语音识别中的挑战性难题,探讨了主流的解决方案及未来的发展方向。【结论】端到端框架的大规模商用仍存在较大挑战,四大挑战性问题的解决将对语音识别的行业应用推广起到关键的作用。