罗宇
- 作品数：11 被引量：12H指数：2
- 供职机构：中国科学院声学研究所更多>>
- 发文基金：国家重点基础研究发展计划更多>>
- 相关领域：电子电信自动化与计算机技术更多>>
- 非线性谱减缺失分量估计方法
- 一种非线性谱减缺失分量估计方法，是根据局部信噪比，估计受噪声掩蔽的语音子带特征分量的方法。该方法通过调整参数，使在信噪比较大的语音段，噪声子带特征矢量的估计更新较慢；在信噪比较低的静音段，噪声子带特征矢量的估计更新较快。...
- 杜利民罗宇
- 文献传递
- 语音识别的概率加权平均缺失特征数据重建方法
- 本发明方法涉及到计算机技术应用技术，特别是语音识别技术中根据未受噪声掩蔽的语音特征，利用概率加权平均估计受噪声破坏的语音特征的技术。语音识别的基于概率加权平均的语音数据重建算法把语音特征矢量S在高斯模型集中所属的高斯模型...
- 杜利民罗宇
- 文献传递
- 语音识别的隐马尔可夫模型边缘化解码数据重建方法
- 2004年
- 杜利民罗宇
- 关键词：语音识别隐马尔可夫模型
- 基于概率加权平均的Mel子带特征重建算法被引量：1
- 2004年
- 本文提出基于概率加权平均的Mel子带特征数据重建算法 .该算法选择K个最优重建结果的概率加权平均作为被加性噪声掩蔽的语音特征分量的估计 .实验结果表明 ,基于概率加权平均的语音特征数据重建算法降低了重建误差 ,减少了帧间突变现象 ,增强了Mel子带特征的帧间连续性 ,从而显著提高了语音识别系统对加性噪声的鲁棒性能 .
- 罗宇杜利民
- 关键词：子带加性噪声语音特征语音识别系统加权平均
- 语音识别的隐马尔可夫模型边缘化解码数据重建方法
- 本发明方法涉及到计算机技术应用技术。本发明利用隐马尔可夫模型(HMM)转移概率矩阵来描述语音特征矢量在时域上的动态特性，利用全协方差矩阵来描述语音美子带特征矢量各分量之间的相关特性，基于边缘化Viterbi解码过程的数据...
- 杜利民罗宇
- 文献传递
- 基于隐马尔可夫模型局部最优状态路径的数据重建算法被引量：8
- 2004年
- 该文提出了基于隐马尔可夫模型局部最优状态路径的数据重建(LOPDI)算法。该算法假设语音特征矢量是一个L状态隐马尔可夫模型的输出序列,基于局部最优状态路径估计产生语音特征矢量的次最优状态序列,并按最大后验概率准则(MAP)重建出“缺失矢量”。实验表明,LOPDI算法能够显著提高语音识别系统对加性噪声的鲁棒性。
- 罗宇杜利民
- 关键词：隐马尔可夫模型
- 语音识别的概率加权平均缺失特征数据重建方法
- 本发明方法涉及到计算机技术应用技术，特别是语音识别技术中根据未受噪声掩蔽的语音特征，利用概率加权平均估计受噪声破坏的语音特征的技术。语音识别的基于概率加权平均的语音数据重建算法把语音特征矢量S在高斯模型集中所属的高斯模型...
- 杜利民罗宇
- 文献传递
- 基于数据重建的语音识别鲁棒性技术研究
- 现代语音识别系统在安静环境下可以达到良好的性能,但是,当语音输入受噪声破坏时,系统性能急剧下降.噪声鲁棒性问题成为语音识别技术目前面临的主要挑战之一.在复杂任务条件(高困惑度非特定人汉语连续语音识别)下,该论文研究了数据...
- 罗宇
- 关键词：语音识别鲁棒性
- 语音识别的隐马尔可夫模型边缘化解码数据重建方法
- 本发明方法涉及到计算机技术应用技术。本发明利用隐马尔可夫模型(HMM)转移概率矩阵来描述语音特征矢量在时域上的动态特性，利用全协方差矩阵来描述语音美子带特征矢量各分量之间的相关特性，基于边缘化Viterbi解码过程的数据...
- 杜利民罗宇
- 文献传递
- 非线性谱减缺失分量估计方法
- 一种根据局部信噪比，估计受噪声掩蔽的语音子带特征分量的方法。其特征为：通过调整参数A、B、C、N，使在信噪比较大的语音段，噪声更新系数α取较大值，噪声子带特征矢量的估计更新较慢；在信噪比较低的静音段，噪声更新系数α取较小...
- 杜利民罗宇
- 文献传递
