黑龙江省自然科学基金(F2004-09)
- 作品数：9 被引量：9H指数：2
- 相关作者：陈立伟赵春晖姜海丽张晔白玉更多>>
- 相关机构：哈尔滨工程大学哈尔滨工业大学更多>>
- 发文基金：黑龙江省自然科学基金更多>>
- 相关领域：电子电信自动化与计算机技术更多>>
- 基于改进的隐马尔可夫和神经网络混合模型的语音识别
- 2006年
- 研究了一种非齐次隐马尔可夫模型(Inhomogeneous Hidden Markov Model),然后将自组织特征映射神经网络与这种非齐次隐马尔可夫模型相结合,训练出抗噪声的HMM模型,并应用该混合模型进行语音识别。实验结果表明,该模型适合于对噪声背景下的语音进行识别。该模型具有更好的抗噪鲁棒性,在信噪比较低的情况下(5dB-10dB),识别率可以提高5％左右。
- 陈立伟张晔
- 关键词：自组织特征映射神经网络混合模型鲁棒性
- 基于非齐次隐马尔可夫模型的特定人元音的识别方法
- 2006年
- 针对特定人汉语元音的语音识别,提出一种基于非齐次隐马尔可夫模型的识别方法.该方法首先提取声道频率响应作为特征参数,然后建立非齐次隐马尔可夫模型来更为精确地刻画真实的语音现象,接着进行语音识别实验,并与齐次隐马尔可夫模型进行比较.实验结果表明该方法可以使特定人的元音的识别率达到98.73%,明显改变了识别系统的性能.该方法具有很好的理论研究前景和实际应用价值.
- 陈立伟赵春晖白玉孙岩
- 关键词：语音识别元音
- 一种基于模糊系统的语音增强方法
- 2005年
- 语音增强是解决噪声污染的有效方法,它的首要目标是在接收端尽可能从带噪语音中恢复纯净的语音信号.讨论强背景噪声下的基于模糊系统的语音增强方法,并与减谱法语音增强算法进行比较.计算机仿真结果表明,该方法在大大消除背景噪声的同时,消除了音乐噪声,同时保持语音信号较好的可懂度.
- 陈立伟赵春晖杨洪利
- 关键词：语音增强模糊系统噪声
- 一种汉语语音基音轨迹的平滑算法
- 2007年
- 基音是指人们发浊音时声带振动所引起的周期性,而声带振动频率的倒数就是基音周期.语音信号处理中精确提取特定语音的基音周期有重要的意义,基音周期的检测无论在语音信号的合成、编码还是识别方面,都起着非常重要的作用.该文依据数字语音信号的特点,设计了一种用于语音处理的层叠滤波算法,合理选择结构元素构筑了一组用于汉语语音基音轨迹平滑的层叠滤波器,仿真实验结果表明,这种方法对于随机误判点与传统的基于中值与线性平滑的组合平滑相比效果更佳,同时也证明了层叠滤波器用于语音信号研究的可行性.
- 陈立伟章东升宋宪晨杨洪利
- 关键词：语音信号基音周期层叠滤波
- 汉语语音基音轨迹的层叠滤波和平滑被引量：1
- 2008年
- 为了获得更加精确的汉语语音基音周期轨迹,研究了对汉语语音的基音周期轨迹进行层叠滤波和平滑的方法.基音是指发浊音时声带振动所引起的周期性,而声带振动频率的倒数就是基音周期.语音信号处理中精确提取特定语音的基音周期有重要的意义,基音周期的检测无论在语音信号的合成、编码还是识别方面,都起着非常重要的作用.本文依据数字语音信号的特点,设计了一种用于语音处理的层叠滤波算法,合理选择结构元素构筑了一组用于汉语语音基音轨迹平滑的层叠滤波器,仿真实验结果表明这种方法对于随机误判点与传统的基于中值与线性平滑的组合平滑相比效果更佳,同时也证明了层叠滤波器用于语音信号研究的可行性.
- 陈立伟张晔宋宪晨章东升
- 关键词：语音信号基音周期层叠滤波
- 基于遗传矢量量化和遗传神经网络的说话人识别系统被引量：1
- 2005年
- 提出一种基于遗传神经网络的说话人识别系统.将遗传算法和矢量量化技术结合建立说话人模型,然后利用遗传神经网络进行识别.实验结果表明,这种方法既降低了用户的语音数据采集量,有利于话者模板的建立,又提高了系统的识别性能及鲁棒性,较传统方法有明显的优越性.
- 白玉陈立伟
- 关键词：遗传神经网络矢量量化说话人识别鲁棒性
- 一种基于混合神经网络的说话人识别系统被引量：3
- 2005年
- 目前说话人识别系统的识别率已经达到较高的水平,但是在应用系统的整合方面还存在一定的问题,比如其算法的复杂度高,不易于低成本的硬件实现等都限制其达到普及化.针对这样的问题,提出一种高性能、结构简单的基于自组织映射(SOFMNN)和概率神经网络(PNN)的混合神经网络分类器以取代目前常用的高斯混合模型(GMM)分类器.实验结果表明,混合神经网络分类器在识别率、识别速度和存储量上都优于高斯混合模型分类器.混合神经网络模型是一种高性能、高效率的说话人识别系统,该系统在说话人识别中将会有很好实用价值.
- 陈立伟赵春晖姜海丽
- 关键词：说话人识别自组织映射概率神经网络高斯混合模型
- 一种基于优化小波神经网络的语音识别被引量：3
- 2008年
- 在以往的BP小波神经网络中,最常用的学习算法是BP算法,BP算法实质上就是梯度下降法,是一种局部搜索算法,梯度下降法使得网络极易陷入局部最小值,从而使得网络训练结果不尽人意,搜索成功概率低.取代传统的梯度下降法,利用粒子群算法对小波神经网络中的参数进行优化.然后利用基于粒子群优化(PSO)的小波神经网络进行抗噪声语音识别实验,仿真结果表明,与BP网络相比,PSO算法在迭代次数、函数逼近误差、网络性能方面均优于BP网络,系统的识别率也得到较大的提高.
- 陈立伟宋宪晨章东升杨洪利
- 关键词：粒子群优化小波神经网络语音识别抗噪声
- 基于自适应提升小波变换的语音增强算法的研究被引量：2
- 2005年
- 语音增强是解决噪声污染的有效方法,它的首要目标是在接收端尽可能从带噪语音中恢复纯净的语音信号.Sweldens等人引入了基于提升法的小波变换,也称为第二代小波变换.提升法是一种柔性的小波构造方法,它可以使用许多线性,非线性或者空间变化的预测和更新算子,而且可以确保变换的可逆性.该文讨论强背景噪声下的基于自适应提升小波变换的语音增强方法,并与自相关相减法语音增强算法进行比较.计算机仿真结果表明,该方法在大大消除背景噪声同时保持语音信号较好的可懂度.
- 陈立伟赵春晖姜海丽
- 关键词：语音增强小波变换自相关
