基于美尔倒谱系数及隐马尔可夫模型的说话人识别系统研究

为了适应强噪声环境下的语音识别,进行了基于美尔倒谱系数特征及隐马尔可夫模型的识别算法研究,主要对提取语音信号的线性预测系数、端点检测、语音特征参数提取、语音算法识别流程等进行了初步研究,并进行了说话人识别系统的仿真验证。     

关于语音信号处理技术及应用的研究

文章介绍了语音信号处理的关键技术,论述了在语音识别与合成和多媒体数据库中基于内容的语音数据检索的应用特点,指出了建立分层次的语音特征表示将有利于语音特征提取和满足不同层次的应用需要。     

基于小波分析的清浊音检测问题及算法

语音信号特征的提取是语音信号处理的基础.文章叙述了语音信号特征提取的过程,对语音信号中短时能量的特点进行了详细分析,基于子波变换实现了清浊音的检测和判决.     

基于关联特征提取的舰船噪声混迭谱分解

不同舰船目标辐射噪声的噪声平均功率谱具有差异性特征,能在一定程度上反映舰船目标的吨位、航速、类型等。研究舰船辐射噪声信号的特征提取和频谱分解方法,对提高舰船目标的识别能力具有重要意义。传统的舰船辐射噪声关联特征提取采用的是基于定量递归分析的关联维特征提取方法,当在关联特征提取中舰船辐射噪声信号出现奇异吸引子特征时,提取的舰船目标特征产生混迭谱,导致频谱畸变,影响目标识别性能。针对这一问题,提出一种基于预畸变趋化关联特征提取的舰船噪声信号混迭谱分解方法,设计舰船辐射噪声产生与信号源系统模型,进行声传感器布置研究,进行特征提取和混迭谱分解算法改进分析。仿真实验得出,采用该方法进行舰船辐射噪声信号的预畸变趋化关联特征提取,能有效展示舰船辐射噪声信号的内部规律特征,提高对舰船辐射噪声信号的特征提取性能和目标识别精度。     

基于多重分形谱和SVM的齿轮箱故障诊断

基于振动信号的齿轮箱故障诊断本质分为有用信号的提取、故障特征量的选择以及故障智能识别。为此本文提出了基于多重分形特征提取和SVM故障识别的方法。用SVM分别对多重分形特征量进行故障识别,证明了本文提出的多重分形的故障特征提取模型的可行性。     

基于凌阳单片机的嵌入式声控门锁的设计

通过分析语音特征参数的特点和说话人识别的基本方法,以线性预测倒谱系数为特征参数提取算法以及隐马尔可夫模型为建模算法,利用凌阳单片机作硬件平台,实现了声控锁的语音控制功能。实验结果表明,系统性能稳定,识别效果良好。     

水声目标特征分析与识别技术

水声目标识别技术是水下信息获取和水下信息对抗的重要支撑技术,其核心是目标特征提取。文章针对水声目标辐射噪声和目标回波信号,探讨总结了水声目标信号的主要声源及目标特征表征、水声信号特征分析与提取方法、常用的水声目标分类识别方法,分析了水声目标特征提取与识别技术面临的问题,提出了今后的技术发展方向。     

四川口音普通话的声学建模

考虑到对因受地方口音导致的相近、相似、模糊发音的语音的识别困难,本文以易受四川口音(含有特定的声母zh-z/ch-c/sh-s)孤立词语音为识别语音,对其进行声学建模。通过对初始的49维特征参数分三个步骤进行二次特征提取,得到对特定四川口音敏感的特征参数。最后采用矢量量化技术对初始特征参数和通过二次特征提取得到的特征参数进行对比实验。实验表明,经过二次特征提取得到的特征参数有效地改进了易受四川口音(含有特定的声母zh-z/ch-c/sh-s)影响的语音的识别效果,提高了识别率。     

一种改进的无损可逆时频联合特征提取算法

充分研究反演积分量对S变换控制的无损可逆性,提出基于宽度不可变高斯窗函数的无损可逆时频联合特征提取算法,对高频复杂电磁特征提取实现和精确挖掘。对目标电磁信号进行时频分析,在S变换中加入宽度可变反演积分函数窗,进行特征分流控制,根据S变换无损可逆性,结合时频分析,提取无损可逆联合分布特征。仿真实验在不同信噪比下进行特征提取,实验结果表明不同信噪比下提取的时频联合分布特征具有相对不可变性,特征分类准确性比传统方法高,健壮性强,在目标识别等领域研究价值和应用前景。     

基于高斯密度谱估计的局域中心网络流量预测

局域中心网络流量具有高斯宽带信号特征,传统的窄带信号处理方法难以实现有效准确的流量预测。提出一种基于高斯密度谱估计的局域中心网络流量准确预测算法。构建流量预测模型,进行流量时间预测的信号采集和特征提取,对采集的信号特征进行高斯密度谱特征估计,对高斯密度特征旋转角度扫描,求网络流量信号的频率轴上投影尺度,判断峰值是否超过门限实现流量预测。仿真结果表明,采用该算法进行流量预测,高斯密度谱的聚集性较好,精度较高,性能优越。     

基于偏移场矫正的图像断面边缘识别优化算法

对图像的断面进行偏移场矫正,增强对正确目标边缘的识别能力。由于图像中存在的灰度不均匀断面特征和线性偏移场,对图像断面的边缘有效识别困难,传统方法采用轮廓线提取方法进行断面边缘识别,受到边缘轮廓线的线性偏移限制,识别效果不好。提出一种基于偏移场矫正的图像断面边缘识别优化算法。通过核函数引入局部灰度信息建立了偏移场矫正模型,将去噪后的断面信号进行灰度均衡预处理,对于相邻区域传递的消息进行收敛性判断,增强了演化曲线对正确目标边缘的识别能力。研究得出,采用该算法进行图像边缘识别,具有更低的差错率。算法将在远程图像识别和地理遥感特征提取探测等领域具有较好的应用价值。     

用红外光谱特征基提取方法确定茶叶的发酵度

基于主成分分析的特征提取思想,提出特征提取方法,简要分析特征提取方法对波段的选取要求,以及不同预处理方法对二次特征提取的影响,然后将特征提取应用在不同发酵度茶叶:绿茶、黄茶、白茶、青茶、红茶、黑茶这六大类茶叶的识别上,建立能够识别六大类茶叶的判别器.此法对于鉴别茶叶等其它复杂体系的特征有重要的价值.     

决策树主分量特征优化跟踪及暂态性异常提取

为有效定位识别和提取网络流量序列的暂态性异常特征,针对网络异常流量特征扰动性和暂态性特点,提出一种基于小波分解的二叉分类回归决策树主分量特征优化跟踪特征提取算法。利用训练集建立决策树模型,采用二叉分类回归决策树模型进行主分量特征优化跟踪建模,利用双正交提升小波分解得到的各层细节信号对暂态性扰动特征的敏感性,实现网络流量异常特征的定位提取和识别。仿真实验表明,改进算法的抗干扰能力和分辨率提高显著,暂态性异常特征谱图分辨能力提高,异常特征分布谱清晰可见,展示了较好的特征提取和状态识别性能。     

基于语音识别的机器人研究

人工智能时代,为实现人和机器之间"无障碍"的对话与交流,本文对基于语音识别的机器人进行了研究,采取双门限端点检测算法进行语音分割,降维进行特征提取来提高机器人语音的识别率;利用神经网络算法和HMM法则进行训练与识别,提高了智能化;配合语音控制系统,真正意义上实现了自动识别控制的功能。     

语音识别声学模型发展现状综述

语音识别是人机交互的重要环节,是机器的听觉系统,语音识别就是把语音信号转变为相应的文字。本文介绍了语音识别声学模型的发展历程,以及主要技术,继而分析近年来逐步兴起的深度学习模型,还有语音识别中仍然面临的问题。     

基于移动平台的运动想象脑电分析方法研究

BCI系统的研究,经过二十多年的发展,已经慢慢地走出实验室,面向应用。为更方便对运动功能障碍人士进行帮助,把传统BCI系统移植到移动平台上就显得尤为重要。本文利用AR模型把时域信号转换到频域,然后利用Fisher距离进行特征提取,利用定义的线性分类器进行分类。结果表明,利用本方法能很好地识别三种不同运动想象类型。     

痕量多组分可燃气体爆炸风险的图谱特征变化趋势识别

当可燃气体浓度含量达到一定程度时,遇到火源就会引起爆炸造成经济损失。通过对可燃气体爆炸风险的特征变化能预测在浓度达到极值前,进行危险判断。提出基于对痕量多组分可燃气体浓度变化图谱特征提取改进算法,对可燃气体浓度图谱特征进行处理,获得归一化后的图谱灰度图像信息;利用局部而知模式提取Gabor图谱纹理特征;最后通过迭代计算采集后的特征。利用卷积运算对不同气体的特征进行分类,利用分类后的结果实现痕量多组分可燃气体浓度的图谱识别。实验证明运用气体图谱特征改进算法对可燃气体浓度特征提取后,通过卷积运算对痕量多组分气体浓度特征识别,能预测出可燃气爆炸的风险趋势变化。     

语音识别技术综述

语音识别是以语音为研究对象,让机器通过识别和理解过程把语音信号转变为相应的文本或命令,使人机能自然地进行语音交流的技术。语音识别涉及到生理学、心理学、语言学、计算机科学以及信号处理等诸多领域,甚至还涉及到人的体态语言,其最终目标是实现人与机器进行自然语言通信。随着时代的不断进步,语音识别技术已经发展成一门综合人类智能各项研究的独立学科,现在正逐步成为信息技术中人机接口的关键技术。     

低数据资源条件下基于Bottleneck特征与SGMM模型的语音识别系统

语音识别系统需要大量有标注训练数据,在低数据资源条件下的识别性能往往不理想.针对数据匮乏问题,本文先研究子空间高斯混合声学模型通过参数共享减少待估计的参数规模,并使用基于最大互信息准则的区分型训练技术提高识别精度;而后在特征层面应用基于深度神经网络的Bottleneck特征来达到特征提取和降维的目的;最后将上述研究成果结合并构建了低资源条件下的语音识别系统.在国际标准的Open KWS 2013数据库上的实验结果表明,本文的技术能够有效改善低资源条件下的系统识别性能,相比基线系统有12%左右的词错误率降低.     

超密集网络中病毒攻击优化识别算法

超密集网络是根据汇聚节点的拓扑属性进行测度中心加权融合的网络模型,超密集网络中容易受到类似于DOS等病毒的拒绝服务攻击。由于DOS病毒特征具有频谱混迭特性,在超密集网络难以有效识别。目前采用联合特征检测方法进行病毒攻击信息的检测识别,性能随着环境干扰影响起伏较大。提出一种基于幅频响应带宽检测的病毒攻击识别算法。进行病毒攻击的数学模型构建和信号分析,然后设计格型陷波器实现攻击信号的干扰抑制和滤波,根据病毒攻击信号的检测带宽和攻击带宽,选取不同的陷波器频率参数和带宽参数,进行频谱特征混迭加权处理,提取幅频响应特征进行病毒攻击的带宽检测,实现攻击特征识别。仿真结果表明,采用该算法对超密集网络中的病毒攻击进行幅频响应特征提取,具有较好的抗干扰性能,准确检测识别概率优越于传统算法,在网络安全领域具有较好的应用价值。