基于小波域多尺度统计建模的水下噪声的检测与识别

研究了基于小波域多尺度树结构的水下噪声信号统计概率模型的建模方法。实验分析表明,船舶辐射噪声的模型特征不仪与海洋环境噪声的有很大差异,而且在不同工况下自身也表现出了不同特点。根据海洋环境噪声和船舶辐射噪声在模型参数上的特征差异,提出了一种从海洋环境噪声中检测船舶辐射噪声的方法,实验证明了该方法的检测性能大大优于以前提出的几种检测方法。另外,为了更好地解决船舶辐射噪声的分类问题,在研究了基于隐马尔可夫统计模型的分类方法的基础上,还提出结合支撑向量机和隐马尔可夫模型的综合分类方法,实验分析也取得了较好的结果。

噪声环境下基于小波变换的普通话智能测试系统设计

针对普通话测试中噪音干扰问题,提出了一种基于小波变换的普通话智能测试系统,对噪音环境下的语音信号进行准确辨别。为了确保本文系统语音识别的准确率,通过隐马尔可夫统计模型叠加神经网络,采用模式匹配的方式搭建了整体语音辨别系统。为了降低噪音对语音信号的影响,在系统中引入小波分析对信号进行去噪处理,同时引入了梅尔频率倒谱系数提取信号特征。实验证明,相较于未改进的传统系统,基于小波变换改进的普通话智能测试系统,在有噪声环境下,四次仿真的平均识别准确率要高7.2%,平均识别时间缩短了1.1 s,识别效果大幅提高;相较于基于DNN的普通话识别系统和基于CTC准则的普通话识别系统,基于小波变换改进的普通话智能系统,在4种不同噪音环境下,语音识别准确率更高,尤其面对频谱更集中的噪音,系统的识别准确率高达90.7%,分别较另外两种系统高出7.5%和6.6%,具有更好的实用性。