基于生成对抗网络与特征融合的多尺度音频序列生成方法

音频数据规模不足是语音识别过程中的一个常见问题,通过较少的训练数据训练得到的语音识别模型效果难以得到保证。因此,提出一种基于生成对抗网络与特征融合的多尺度音频序列生成方法(multi-scale audio sequence GAN,MAS-GAN),包含多尺度音频序列生成器和真伪—类别判别器。生成器通过3个上采样子网络学习音频序列不同时域和频域的特征,再将不同尺度的特征融合成伪音频序列;判别器通过辅助分类器将生成的伪数据和真实数据区分开,同时指导生成器生成各类别的数据。实验表明,与目前主流的音频序列生成方法相比,所提方法的IS和FID分数分别提高了6.78%和3.75%,可以生成更高质量的音频序列;同时通过在SC09数据集上进行分类实验来评估生成音频序列的质量,所提方法的分类准确率比其他方法高2.3%。

三维音频空间参数感知熵的计算

空间参数感知熵的计算源自空间参数生理感知模型,该模型由耳蜗频率位置映射模块、延时衰减网络模块和噪音叠加模块组成。但延时衰减网络和噪音叠加模块各自对人耳分辨率的影响难以定量描述,并在计算空间参数感知熵时混淆了空间参数量化误差和量化步长的概念。针对以上问题,提出空间参数感知模型,采用空间参数生成模块和人耳分辨率模块替代延时衰减网络模块和噪音叠加模块,添加感知幅度压缩模块,并分析空间参数最大量化误差与量化步长之间的关系,给出空间参数感知熵计算公式。实验结果表明,与现有空间参数感知熵计算方法相比,该方法更全面地考虑到了空间参数的冗余,在相同的音频序列下,空间参数感知熵更小。

基于混沌理论的音频数字水印算法研究

音频信息隐藏技术已成为近年来的研究热点之一,将混沌理论引入到音频水印系统的研究中,设计了一种将一段音频作为水印,利用混沌序列选择部分原始音频信号作为载体,将混沌加密后的音频水印嵌入到载体的小波系数中的音频信息隐藏方法。实验表明,水印具有很强的安全性和鲁棒性。

用单片机实现语音信号的存放

介绍了用单片机检测、贮存频率序列这一方法来处理、记录语音信号的问题。这不同于传统的A／D、D／A转换，其特点在于占用存贮空间少。

基于谱聚类分析的托辊故障诊断

有效地诊断托辊故障,对提高选煤工作效率和工厂智能化水平具有重要的作用。针对工业现场环境复杂,噪音类型多且杂的特点,首先提出利用差分法来消除托辊音频序列数据时间趋势影响的有效方法,在此基础上提取托辊音频序列特征,分别利用K-Means和谱聚类算法进行聚类分析以及故障识别,并从噪音音频序列数据中挖掘有用的信息。然后为了评价聚类模型的优劣,创新提出将同一音频序列分割得到子音频序列的相同聚类标签的平均比率,以此作为聚类优劣的评判标准。实验结果表明,谱聚类算法的效果优于K-Means,动态选取谱聚类的参数值能够提高局部诊断准确率,且具有较强的鲁棒性,能够实现对生产范围内多种类型噪音音频信号进行有效聚类识别。智能化托辊故障诊断系统的应用提高了选煤工作效率,减少了非计划停机次数,产生了较好的经济效益。