您的位置: 专家智库 > >

徐文盛

作品数:7 被引量:25H指数:2
供职机构:中国科学技术大学信息科学技术学院电子科学与技术系更多>>
发文基金:国家自然科学基金更多>>
相关领域:电子电信自动化与计算机技术更多>>

文献类型

  • 6篇期刊文章
  • 1篇学位论文

领域

  • 7篇电子电信
  • 1篇自动化与计算...

主题

  • 6篇鲁棒
  • 6篇鲁棒性
  • 5篇语音
  • 5篇语音识别
  • 3篇噪声
  • 3篇神经网
  • 3篇神经网络
  • 2篇噪声鲁棒性
  • 2篇识别方法
  • 2篇人工神经
  • 2篇人工神经网络
  • 2篇子带
  • 2篇网络
  • 2篇话者确认
  • 2篇工神经网络
  • 2篇人工神经网
  • 1篇噪声环境
  • 1篇设计方法
  • 1篇数码
  • 1篇特定人

机构

  • 7篇中国科学技术...

作者

  • 7篇徐文盛
  • 6篇方绍武
  • 6篇戴蓓倩
  • 3篇李辉
  • 2篇陆伟
  • 1篇刘鸣

传媒

  • 3篇电路与系统学...
  • 1篇中国科学技术...
  • 1篇模式识别与人...
  • 1篇计算机工程与...

年份

  • 5篇2000
  • 2篇1999
7 条 记 录,以下是 1-7
排序方式:
噪声环境下特定人孤立词识别方法研究
语音识别系统的噪声鲁棒性是关系语音识别技术能否走向实用的重要方面,因而成为这一领域的研究热点和研究难点.由于语音识别系统是一种基于训练的系统,实际应用环境噪声与形成系统参数的训练环境噪声的失配是造成系统性能下降的根本原因...
徐文盛
关键词:语音识别噪声环境孤立词识别
文献传递
基于子带VQ及ANN的话者确认系统的设计
1999年
话者识别系统的时间鲁棒性是影响话者识别系统实用化的关键问题之一。为了提高系统的时间鲁棒性,本文提出了基于子带矢量量化(SBVQ)及人工神经网络(ANN)的话者模型。将语音文本的有效频段划分为几个子带,分别求取于带上的矢量量化码本(SBVQ码本),利用BP型人工神经网络(BPNN)对训练数据在各个子带上的量化误差进行拟合,即可训练出话者模型(SBVQ码本及BPNN的极值矩阵、确认阈值)。该话者模型反映了不同频段对话者识别系统性能的不同影响,并可将时间间隔等因素对系统性能的影响局限在某个子带内从而提高模型的时间鲁棒性。实验表明,本文提出的(SBVQ+BPNN)话者模型具有较好的时间鲁棒性。
方绍武戴蓓倩徐文盛刘鸣
关键词:鲁棒性语音识别
基于连续HMM的孤立语音鲁棒性识别方法被引量:13
1999年
对于基于连续隐马尔可夫模型(CHMM)的语音识别系统,为了提高系统在环境噪声下的鲁棒性,本文提出了一种能有效抑制加性平稳噪声和通道卷积噪声的相对自相关序列的Mel倒谱参数(RAS_MFCC+△RAS_NFCC),进行特征参数级的去噪,明显地改善了系统的噪声鲁棒性。为了进一步提高系统在低信噪比语音时的识别性能,我们采用了CHMM的混合语青训练法,获得了对各种信噪比语音都具有很强适应性的CHMM参数。实验证明。
徐文盛戴蓓倩方绍武李辉
关键词:马尔可夫模型鲁棒性语音识别CHMM
特定人汉语数码语音抗噪识别方法被引量:2
2000年
本文提出一种连续隐马尔可夫模型(CHMM)和人工神经网络(ANN)相结合的鲁棒性识别方法,用于噪声环境下特定人数码语音识别。该方法以CHMM的输出作为系统的识别矢量,利用人工神经网络的模式分类和自学习功能,从识别矢量空间中提取语音预识别矢量,再由识别矢量对预识别结果进行识别输出。实验证明,这种基于CHMM/ANN的数码语音识别方法明显地提高了系统的噪声鲁棒性,适用于中小词表语音识别系统。
徐文盛戴蓓倩方绍武陆伟
关键词:汉语特定人神经网络噪声鲁棒性
一种抗噪孤立字语音识别模型被引量:9
2000年
论文提出了一种连续隐Markov模型和BP神经网络相结合的、具有两次辨识过程的抗噪孤立字识别模型 .首先以连续隐Markov模型完成语音信号的时序建模并提供一次识别信息 ;以BP神经网络进行后处理 ,提取二次识别信息 ,识别结果由两次识别信息共同决定 .实验证明 ,由于有效地利用了隐Markov模型的强时序信号处理能力和BP神经网络的强模式分类和泛化性能 ,这种识别模型明显地改善了孤立字识别系统的抗噪性能 .
徐文盛戴蓓倩方绍武李辉
关键词:人工神经网络噪声鲁棒性语音识别抗噪性能
基于子带矢量量化的鲁棒性话者模型的设计
2000年
话音识别系统的时间鲁棒性是影响话者识别系统实用化的关键问题之一。为了提高系统的时间鲁棒性,文章提出了基于子带矢量量化(SBVQ)的话者模型。该话者模型由对应语音文本不同频段的各个子带上的矢量量化码本(SBVQ码本)构成。SBVQ话者模型反映了不同频段对话者识别系统性能的不同影响,并可将时间间隔等因素对系统性能的影响局限在某个子带内从而提高模型的时间鲁棒性。识别时,利用BP型人工神经网络(BPNN)对训练数据在各个子带上的量化误差进行拟合可进一步提升系统的性能。实验表明,文章提出的SBVQ话者模型具有较好的时间鲁棒性。
方绍武戴蓓倩徐文盛李辉
关键词:鲁棒性语音识别
一种鲁棒性的话者确认阈值的设计方法被引量:1
2000年
本文提出了一种基于子带技术和人工神经网络技术的鲁棒性的话者确认阈值的设计方法,将语音信号的有效频段划分为几个子带独立地训练或识别,并在对各个子带的输出数据融合的基础上作最后的判决。各个子带的模型训练及识别采用矢量量化技术,数据的融合技术则采用BP型人工神经网络。采用子带技术可以提高话者确认阈值的时间鲁棒性,采用神经网络技术一方面是为了对各子带的输出进行非线性数据融合,另一方面则是为了能够对话者本人的数据和冒认者的数据进行混合训练,以使训练出的确认阈值对冒认者的不确定性具有鲁棒性。本文提出的设计方法可得到鲁棒性的确认阈值,并得到了实验验证。
方绍武戴蓓倩徐文盛陆伟
关键词:话者确认阈值鲁棒性人工神经网络子带
共1页<1>
聚类工具0