语音增强新方法的研究

对带噪语音信号进行增强处理,是语音信号处理中一个重要的研究课题。从算法提出的背景和算法性能分析两个方面对以下4种语音增强新方法进行了概括总结,即自适应滤波算法、分数阶谱相减法、小波域阈值法和语噪盲源分离算法。与传统的语音增强方法相比,实验数据表明这些新方法具有更好的降噪性能。

基于FSS与PLP的噪声鲁棒语音识别

提出了一种基于分数阶谱相减(FSS)与感知线性预测(PLP)相结合的噪声鲁棒语音识别方法,记为FSS+PLPC。该方法首先通过FSS在分数阶Fourier域对带噪语音进行降噪处理,然后计算增强语音的均方误差和Itakura距离并进行比较,以获得FSS的近似最优分数阶阶数。最后对根据此阶数得到的增强语音提取感知线性预测倒谱(PLPC)。实验结果表明,FSS+PLPC对于数字语音的识别性能优于传统的谱减法(SS+PLPC)和感知线性预测倒谱(PLPC)法,并且随着信噪比的降低FSS+PLPC表现出较好的噪声鲁棒性。

一种基于噪声对消与倒谱均值相减的鲁棒语音识别方法

提出一种基于语音增强算法的噪声鲁棒语音识别方法.在语音识别预处理阶段,通过噪声对消语音增强法来抑制噪声提高信噪比.然后对增强语音提取Mel频段倒谱特征参数,并在倒谱域应用倒谱均值相减处理来补偿增强语音中的失真成分和剩余噪声.实验结果表明,在低信噪比(-12～0 dB)条件下,该方法对于数字语音识别具有较好的识别率,其性能明显优于基本的Mel频段倒谱参数识别器、传统的谱减法和噪声对消语音增强法.

一种新的卷积混合信号的盲分离算法

研究了一种新的线性卷积混合信号的盲分离算法。该算法通过计算预白化观测数据的零时延和多时延自相关协方差矩阵,获得了多时延处理的二阶解相关统计信息。利用得到的二阶统计信息构建了两个对称正定矩阵,通过使用Cholesky分解和奇异值分解等一系列变换,得出了惟一存在的矩阵。理论分析表明,该矩阵可以使两个正定矩阵同时精确对角化。计算机仿真表明,该算法与已有算法相比,运算时间短,盲分离性能更优。

从建国到二战时期美国防务外交的历史演进

从建国到二战时期美国的防务外交,经历了一个从无到有、从单一到复杂、从本土到全球的演变过程。国家安全战略、军事战略的不断调整,导致美国防务外交的发展呈现出阶段性变化。