检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

听觉模型鲁棒性特征研究及应用

成都信息工程大学学报 2024年第3期39卷 275-282页

作者：王文华夏秀渝四川大学电子信息学院四川成都610064

人类的听觉系统具有非常精细而巧妙的结构,即使在嘈杂的环境中,也能准确地理解语音。采用精细的耳蜗模型作为前端处理可以实现更好的语音处理。利用快速压缩的非对称谐振器级联(CARFAC)作为人耳外周模型,结合听觉稳定图像得到精确的皮... 详细信息

人类的听觉系统具有非常精细而巧妙的结构,即使在嘈杂的环境中,也能准确地理解语音。采用精细的耳蜗模型作为前端处理可以实现更好的语音处理。利用快速压缩的非对称谐振器级联(CARFAC)作为人耳外周模型,结合听觉稳定图像得到精确的皮层前听觉模型。在听觉模型的基础上提取较准确的基音轮廓,利用基音信息进行声场景分析,合成鲁棒性语音特征,并将其送入神经网络进行监督训练,以实现语音增强。实验结果表明,噪声条件下,由听觉模型提取的特征在各语音评价指标下都有较好的体现,可以更好表征语音信号,具有一定的鲁棒性。

关键词： CARFAC模型听觉稳定图像语音增强系统基音提取

在线全文

学校读者我要写书评

暂无评论

一种改进的广义旁瓣对消阵列语音增强算法

成都信息工程大学学报 2024年第3期39卷 263-267页

作者：童环夏秀渝四川大学电子信息学院四川成都610065

传统广义旁瓣对消(generalized sidelobe cancellation,GSC)算法在复杂声学环境下性能较差,语音增强效果不理想,需要加强其去噪能力以提高输出语音质量。对此,提出一种改进型广义旁瓣对消算法。构建基于频域GSC和时域GSC两级滤波的系统... 详细信息

传统广义旁瓣对消(generalized sidelobe cancellation,GSC)算法在复杂声学环境下性能较差,语音增强效果不理想,需要加强其去噪能力以提高输出语音质量。对此,提出一种改进型广义旁瓣对消算法。构建基于频域GSC和时域GSC两级滤波的系统结构,利用一个选择滤波器输出两级滤波中质量较好的语音;并将GSC上支路权值修改为可自适应调节的形式,提高算法的适应性;GSC权值迭代时采用一种变步长自适应算法,步长因子根据信号信干噪比实时调整,防止滤波器权值发散。实验结果表明,相比于传统GSC算法,新算法在SINR、PESQ、STOI和SDR等指标上都有提升。

关键词：麦克风阵列语音增强 GSC 变步长自适应算法

在线全文

学校读者我要写书评

暂无评论

一种适用于双讲状态的声学回声消除系统

数据采集与处理 2022年第2期37卷 437-445页

作者：周文俊夏秀渝四川大学电子信息学院成都610065

声学回声消除中存在的双端讲话情况会导致回声消除器的性能发生恶化,而传统的双端话音检测及其控制算法无法有效应对双讲。针对这一问题,提出一种根据频谱信扰比(近端话音功率谱值和回声功率谱值之比)调整自适应步长的方法。为减少计算... 详细信息

声学回声消除中存在的双端讲话情况会导致回声消除器的性能发生恶化,而传统的双端话音检测及其控制算法无法有效应对双讲。针对这一问题,提出一种根据频谱信扰比(近端话音功率谱值和回声功率谱值之比)调整自适应步长的方法。为减少计算量以及降低处理时延,采用分段频域块最小均方(Partitioned frequency block least mean square,PFBLMS)算法作为自适应滤波算法,因而系统的自适应步长在频域上进行调整。首先建立频谱信扰比和相干函数之间的关系,通过计算出的相干函数值得到步长因子,最后根据步长因子实时调整每个频点的自适应步长。此外,还结合双滤波器和稀疏控制算法进一步提高系统的鲁棒性和收敛性能。仿真实验表明,该系统在双讲状态下依然能够保证良好的回声抑制能力,并能够及时跟踪回声信道的变化。相比于基于归一化互相关函数的双端话音检测算法以及开源项目Speex中的回声消除算法,系统在双讲情况下的回波抑制比(Echo return loss enhancement,ERLE)和语音质量得分(Perceptual evaluation of speech quality,PESQ)均有所提高。

关键词：回声消除分段频域块自适应算法步长控制频谱信扰比相干函数

基于声源方位信息和非线性时频掩蔽的语音盲提取算法

在线全文

学校读者我要写书评

暂无评论

声学学报 2013年第2期38卷 224-230页

作者：夏秀渝何培宇四川大学电子信息学院成都610064

针对欠定卷积混合的语音信号模型,提出一种基于声源方位信息和非线性时频掩蔽的语音盲提取算法。首先对低频段混合语音信号进行时频分析估计瞬时相对时延(ITD)并采用势函数聚类分析方法估计出声源个数及其ITD,接着锁定目标提取准确的目... 详细信息

针对欠定卷积混合的语音信号模型,提出一种基于声源方位信息和非线性时频掩蔽的语音盲提取算法。首先对低频段混合语音信号进行时频分析估计瞬时相对时延(ITD)并采用势函数聚类分析方法估计出声源个数及其ITD,接着锁定目标提取准确的目标语音方位信息,最后利用独立语音在时频域上的近似W一分离正交性,采用非线性时频掩蔽的方法提取目标语音。仿真实验表明,该方法能锁定任意感兴趣目标方位,能有效提取目标语音,文中实验条件下信噪比增益平均达9.5 dB。

关键词：盲提取算法语音信号时频分析方位信息非线性掩蔽声源聚类分析方法

在线全文

学校读者我要写书评

暂无评论

基于方位特征的听觉选择性注意计算模型研究

自动化学报 2017年第4期43卷 634-644页

作者：吕菲夏秀渝四川大学电子信息学院成都610064

经典的听觉注意计算模型主要针对声音强度、频率、时间等初级听觉特征进行研究,这些特征不能较好地模拟听觉注意指向性,必须寻求更高级的听觉特征来区分不同声音.根据听觉感知机制,本文基于声源方位特征和神经网络提出了一种双通路信息... 详细信息

经典的听觉注意计算模型主要针对声音强度、频率、时间等初级听觉特征进行研究,这些特征不能较好地模拟听觉注意指向性,必须寻求更高级的听觉特征来区分不同声音.根据听觉感知机制,本文基于声源方位特征和神经网络提出了一种双通路信息处理的自下而上听觉选择性注意计算模型.模型首先对双耳信号进行预处理和频谱分析;然后,将其分别送入where通路和what通路,其中where通路用于提取方位特征参数,并利用神经网络提取声源的局部方位特征,接着通过局部特征聚合和全局优化法得到方位特征显著图;最后,根据方位特征显著图提取主导方位并作用于what通路,采用时频掩蔽法分离出相应的主导音.仿真结果表明:该模型引入方位特征作为聚类线索,利用多级神经网络自动筛选出值得注意的声音对象,实时提取复杂声学环境中的主导音,较好地模拟了人类听觉的方位分类机制、注意选择机制和注意转移机制.

关键词：听觉选择性注意方位特征自下而上神经网络

在线全文

学校读者我要写书评

暂无评论

基于融合频域和时域特征的说话人识别

现代计算机 2022年第11期28卷 25-30页

作者：龙翔夏秀渝四川大学电子信息学院成都610065

针对单一特征参数表征语音信息不够全面的缺点,利用时域特征参数和频域不同特征参数的优点,融合频域特征参数MFCC、GFCC、MFCC一阶差分、GFCC一阶差分和时域特征参数短时能量,然后将多维度的融合特征参数进行主成分分析降维。降维后的... 详细信息

针对单一特征参数表征语音信息不够全面的缺点,利用时域特征参数和频域不同特征参数的优点,融合频域特征参数MFCC、GFCC、MFCC一阶差分、GFCC一阶差分和时域特征参数短时能量,然后将多维度的融合特征参数进行主成分分析降维。降维后的特征参数送入双向长短时记忆神经网络模型进行识别训练。仿真实验表明,本文目标参数参与训练的说话人识别模型取得了99.61%的识别正确率,较其他说话人识别模型的识别率更高。

关键词：说话人识别融合特征参数 MFCC GFCC 神经网络

在线全文

学校读者我要写书评

暂无评论

基于LSTM的关键词识别系统设计

计算机与网络 2022年第2期48卷 64-69页

作者：何蕊伽夏秀渝四川大学电子信息学院四川成都610065

为快速、准确地判断语音流中是否含有关键词,提出一种基于LSTM两步检索的关键词识别系统。将连续语音流分割成独立音节,然后采用过零率直方图进行初步检索,基于过零率直方图的相似度比较的计算量小,可快速排除非关键词。对初检时判断为... 详细信息

为快速、准确地判断语音流中是否含有关键词,提出一种基于LSTM两步检索的关键词识别系统。将连续语音流分割成独立音节,然后采用过零率直方图进行初步检索,基于过零率直方图的相似度比较的计算量小,可快速排除非关键词。对初检时判断为关键词的音频片段进行精检,使用基于LSTM的分级系统进行音素识别,通过贪心搜索算法解码以确认是否为目标关键词。仿真结果表明,基于LSTM的网络能更有效提取音素特征,基于两步检索LSTM的关键词识别系统计算量小、速度快、识别率较高,且易于动态扩展目标关键词,具有较好的实时性。

关键词：关键词识别语音分割音素识别循环神经网络过零率直方图

基于BLSTM-CTC的语音特征的音素识别研究

在线全文

学校读者我要写书评

暂无评论

现代计算机 2022年第10期28卷 32-38页

作者：吴丹丹夏秀渝四川大学电子信息学院成都610065

音音素是自然语言中的最小建模单元,音素识别模型的优劣直接影响关键词检索、连续语音识别的性能。本文首先针对幅度特征MSRCC和相位特征PSRCC进行了一系列对比实验研究,发现融合幅度特征和相位特征可以取得更好的识别效果;接着比较分... 详细信息

音音素是自然语言中的最小建模单元,音素识别模型的优劣直接影响关键词检索、连续语音识别的性能。本文首先针对幅度特征MSRCC和相位特征PSRCC进行了一系列对比实验研究,发现融合幅度特征和相位特征可以取得更好的识别效果;接着比较分析了几种深度神经网络的优缺点,并将它们用于音素识别,仿真实验表明基于BLSTM-CTC的声学模型相比于其他模型具有更好的识别性能。

关键词：音素识别深度神经网络语音特征

多路声回波对消中基于时基微扰的去互相关法的研究

在线全文

学校读者我要写书评

暂无评论

四川大学学报（工程科学版） 2007年第1期39卷 140-145页

作者：何培宇夏秀渝四川大学电子信息学院四川成都610064

针对多通道声回波对消(MCAEC)中因多声道信号间存在强互相关性而导致的多路声回授通道辨识解的非唯一性问题(NUP),利用人耳听觉对语音信号相位失真不敏感这一事实,提出一种新的基于时基微扰(TPM)的去互相关预处理思路。重点探索了基于... 详细信息

针对多通道声回波对消(MCAEC)中因多声道信号间存在强互相关性而导致的多路声回授通道辨识解的非唯一性问题(NUP),利用人耳听觉对语音信号相位失真不敏感这一事实,提出一种新的基于时基微扰(TPM)的去互相关预处理思路。重点探索了基于时基微扰的帧时移线性去相关法(TPM-FTS)和帧伸缩非线性去相关法(TPM-FEC)。分析及仿真实验结果表明,无论是TPM-FTS法还是TPM-FEC法,在信号音质下降限定于同一个听觉感知容忍度内时,其去相关能力均比常规的基于幅度微扰(APM)的各种非线性预处理去相关方法有显著性的提高。与TPM-FTS法相比,TPM-FEC法具有更强的控制参数取值规律;但TPM-FTS法操作远比TPM-FEC法简单,便于实时实现。

关键词：时基微扰去互相关失配多路声回波对消