合成语声的声学分析及识别特征算法

当前社会新型犯罪中电信诈骗案件频发,急需一种能够自动有效区分语声真伪的方法。为进一步增强目前深度学习领域识别合成语声的能力,为保障语声信息安全提供技术上的支持,针对合成语声声学特性上异于真实语声的特点,分析对比合成语声和真实语声的声学特性,设计了一种声学特征均方根角量化语声声强变化程度,结合基频变化率和语声窄带频谱图声学特征进行融合,量化了声学特性差异,聚焦了合成语声中关键声学信息。在神经网络模型中融合输入声学特征,在FoR数据集的验证集上得到了0.6%的等错误率,在测试集上最好结果达到了10.8%的等错误率。该文成功实现了对合成语声的识别,证实了声学特征的有效性和研究方案的可行性,在一定程度上拓宽了合成语声特征设计的研究思路。

基于多维度声学特征优选的多波束海底底质分类

海底表层底质分布信息的准确获取在构建海洋基础地理数据库中发挥着重要作用。目前,多波束是实现大范围海底底质分类的有效手段之一,基于多波束测深和反向散射强度数据所派生的声学特征被广泛应用于底质分类建模。然而,随着特征维度的增加,特征空间中存在的无关和冗余特征严重影响底质分类精度。为了定量评估声学特征对底质类别的表征能力,并消除无效特征对分类结果的干扰,本文提出了基于多维度声学特征优选的海底底质分类方法。首先,结合实际底质样本的物理属性对多维特征进行排序和优选,排除冗余和无关特征。其次,分别应用支持向量机、随机森林和深度信念网络构建海底底质监督分类模型。通过利用爱尔兰海南部多波束调查数据和实地取样信息进行试验,结果表明提出方法对海底底质的总体分类精度和Kappa系数分别最高达到了86.20%和0.834,相较于主成分分析和熵指标特征选择方法有明显提高,突出了该方法在海底底质探测及制图的应用潜力。

融合共点声强特征的掩蔽加权声源定位方法

提出了一种适用于小尺寸传声器阵列的掩蔽加权深度学习声源定位方法。该方法在功率谱特征提取的基础上,通过解决声强特征提取中的非共点问题,进一步融合了不同方向上的共点声强特征,有效提高了混响噪声环境条件下的时频掩蔽准确性和定位性能。该方法无需峰值搜索,计算复杂度较小。仿真和实测实验结果表明,所提方法在混响噪声环境下的定位性能优于现有的掩蔽加权定位方法,且在信噪比较低、混响时间较长条件下优势更为明显,实测实验的声源定位精度超过现有方法 6.67%~10.00%。

基于声强试验与EMD-ICA模型的柴油机噪声源识别研究

噪声源识别是实现柴油机噪声控制的关键因素,合理有效的试验测试与时频分析技术是实现噪声源分离识别的重要手段。基于经验模态分解(EMD)与独立分量分析(ICA)算法建立EMD-ICA分离识别模型,并结合声强测量法与EMD-ICA模型对噪声源进行分离及特征提取研究,即充分利用了声强测量法准确、辨识精度高的优势,也实现了分析模型强大的数据处理能力。同时,采用相关性与相干函数方法有效探讨了EMD分解分量与ICA分离分量信号特征的一致性。研究结果表明,EMD-ICA模型能够实现单一通道测量信号的信号源分离识别,声强测量法也验证了该模型在实际应用中的有效性和可行性,对于柴油机噪声源控制具有一定的指导价值。

维吾尔族汉语发音与标准音的声学区别

为提高语音识别的准确率,采用文本分析方法,选择发音时容易发错的一系列汉语文本语料,以新疆第一批双语班的维吾尔族男女生为发音人进行录制。利用讯飞普通话标准男女音进行实验比较,从声学角度出发,分析维吾尔人的汉语发音特点,并总结发音规律。通过测量音长、音强、共振峰等证明发音偏误的存在及其原因,可用于语音识别的研究。

基于人工智能的钢琴编曲音色识别系统设计

为了改善当前音色识别系统识别准确率低、时间开销较大等问题,结合人工智能技术提出并设计基于人工智能的钢琴编曲音色识别系统。首先给出系统整体架构和功能模块设计方案,使用数字化识别方法提取钢琴乐曲音色特征矩阵,得知钢琴特征矩阵不同于其他乐器;接着分析音色倍频点,得到音强包络曲线;最后结合钢琴音色特征矩阵和音强包络曲线有效区分不同乐曲音色的差异,实现钢琴编曲音色识别。实验结果表明,利用所提系统进行钢琴编曲音色识别具有较高的识别准确率,值得进一步推广和应用。