基于三维时空域的音符信号切分识别方法研究

在音乐数字化领域中,音符信号承载着音乐中最重要的信息,当对音符信号进行切分识别时,音符信号的端点难以确定,无法实现精准的切分识别,为了满足音乐数字化的现实需求,提出一种基于三维时空域的音符信号切分识别方法。利用三维时空域对音符信号的端点进行判定,以音符信号的起止点作为切分点,实现对音符信号的切分;根据乐器和演唱者的声音创建HMM模型,采用维特比方法生成音符信号的时间序列;按照时间序列对HMM模型进行训练,通过训练结果实现对音符信号的切分和识别。分析仿真实验结果可知,所提方法不仅实现了音符的切分识别,并较好保存了音符信号所包含的信息。     

一种基于改进SCHMM/ANN的语音识别算法

隐马尔科夫(HMM)和人工神经网络(ANN)模型已经广泛的应用在语音识别中,而HMM中的半连续隐马尔可夫模型(SCHMM)又具有连续密度函数和训练数据少等特点。人工神经网络(ANN)具有自组织、自学习和很高的容错力,将两模型相结合应用于语音识别当中,会使SCHMM模型的特点更加突出。本文所采用的是一种SCHMM/ANN模型,经仿真实验结果表明,在纯净无噪声和信噪比较低的情况下,与传统的HMM模型相比,该算法的识别率有较大提高。     

联机手写蒙古文字特征提取技术的研究

文章针对手写体笔迹变动非常大,特别是连笔字的识别,由于字母切分的困难使得识别难度大增情况,提出了一套手写体蒙古文字特征提取技术,依次采用了去除噪声的预处理技术、基于蒙古文自身结构特征的粗分类和细分类特征提取技术,以及结合了HMM模型与DTW方法的多分类器设计技术等。     

不规则单帧运动图像中三维姿态矫正技术研究

传统三维姿态矫正方法主要依据不同帧运动图像特征进行分析,由于非显著图像边缘容易同噪声混淆,导致不规则单帧运动图像特征受到噪声因素的干扰,图像特征质量降低,无法对运动图像三维姿态进行有效矫正,提出一种应用模糊核估计和仿射变换的三维姿态矫正方法,采用shock滤波器从不规则单帧运动图像中预测出显著图像边缘,对不规则单帧运动图像进行平滑处理,降低噪声的干扰,将显著图像边缘其当成全局图像三维姿态矫正的指导,针对不规则单帧运动图像的图像特征识别模糊问题,基于透视原理以及仿射变换原理,推导出不规则单帧运动图像三维姿态调整的策略,结合测定的运动图像旋转角度,对运动图像左右倾斜、水平旋转和垂直旋转的三维姿态进行调整,实现不规则单帧运动图像三维姿态的准确矫正。实验结果说明,在不同噪声的条件下,该算法可对运动图像的三维姿态进行准确的矫正,具有较强的抗噪性能。     

从语言信号中提取基频的一种新方法

本文提出了一种语言信号的基频提取新方法,即先把语言信号进行离散余弦或离散正弦变换;然后,再计再变换后的谐波积频谱,或者求对数后得到的对数谐波积谱。理论和实验证明,只有浊音在基频处才有尖锐峰起,由此可求出基频。这种方法有较强的抗干扰能力。     

壮语塞尾对基频影响的实验研究

本文用实验语音学的方法研究了壮语中塞尾对基频曲线的影响。实验结果显示塞尾对基频曲线有明显的降低作用,过渡段呈现阶梯式突降,降低幅度的大小与元音段的基频值和塞尾目标基频值的差值大小有关,高平调55调下降的幅度最大。     

一种基于随机图像序列的三维人脸识别算法

针对二维图像序列非刚体三维特征恢复识别技术受到背景多样性、运动复杂性、数据的丢失、特征点噪声等问题的影响,识别重建人脸特征面临着形变程度估计不准,识别误差较大的问题,提出一种基于随机图像序列的三维人脸识别算法.该方法通过在三维人脸运动恢复的框架模型中加入一定的物理运动约束,刻画不同非刚体运动形状基的情况下,准确计算人脸运动形变的程度,运用形状基模糊关联技术完成人脸的三维识别.实验结果表明,这种方法得到的解误差较小,识别效果明显.     

基于内容的文本模糊检索技术研究

分析研究了基于内容的文本模糊检索技术,提出了一种基于文本组块内容含义检索技术,最终实现模糊检索的技术.通过对文本结构的划分,建立了基于隐藏马尔可夫模型的解决方案.介绍了模型的建立、参数的生成与修正、组块的识别等部分,最后通过测试给出了基于HMM模型的特征组块识别性能,并分析了下一步的研究改进方向.     

基于隐马尔可夫模型的语音情感识别

情感识别是情感智能与计算机技术相结合的一个崭新的研究课题,情感的计算机自动识别是通向情感计算的第一步。本文针对日常生活中最常见的四种情感状态:生气、高兴、悲伤和惊奇的汉语语音信号的情感识别进行了研究,并研究了基于采用隐马尔可夫模型(HMM)对情感特征数据的情感识别,得出了相关的实验结果。     

基于PMC方法的鲁棒声学模型研究

在噪声鲁棒语音识别研究中，使用并行模型结合(parallel model combination, PMC)方法得到的模型理论上能够接近匹配噪声环境模型的性能，故成为噪声鲁棒语音识别的重要研究方向。本文首先提出了一种基于前后向差分动态参数的特征MFCC_FWD_BWD，该特征满足PMC对特征构造矩阵可逆的要求。在此基础上，提出了一种用于PMC的新模型——并行子状态隐马尔可夫模型(parallel sub-state hidden Markov model, PSSHMM)，该模型每个状态包含平行关系的子状态，且子状态间存在转移关系。实验表明，PSSHMM模型在各种噪声和SNR下取得了较好的识别效果，特别是对于非平稳噪声，其鲁棒性能非常显著。     

基于HMM的安多藏语非特定人孤立词语音识别研究

以VC＋＋6.0为开发平台,实现一个基于隐马尔可夫模型（Hidden Markov Model,简称HMM）非特定人的安多藏语孤立词语音识别系统。对有声段语音进行MFCC参数的提取,对提取后的MFCC参数进行矢量量化后训练HMM模型,形成特征模板库,最后进行识别。根据安多藏语的特点,改进端点检测的方法,提高了孤立词语音信号检测的准确性,并进一步提高了识别率。     

基于动态二维图像序列的三维步态识别方法

针对在当前二维步态识别系统中,受到人体走路姿势中的特征重叠的影响,不能很好的解决信息丢失问题。而三维识别也面临着技术要求复杂,对设备角度要求高的问题,本文提出了一种基于动态二维图像序列的三维步态识别方法。利用摄像机采集单帧步态图像序列,通过对单帧连续通信进行坐标动态转换,对特征矩阵进行有效的三维转化,计算三维特征数据,提取三维人体单帧二维图像转化的特征,进行步态识别。结果表明,本方法无需复杂的设备,能够解决特征丢失问题,识别准确度有了较好的改善。     

金融时间序列的混沌识别

将非线性和混沌的理论和方法应用在金融时间序列的研究中,识别金融时间序列是否为混沌时间序列是研究者面临的一个首要的问题,各个学科领域根据所研究的具体对象发展出了不同的算法,这些算法对金融hen序列的研究有借鉴作用。然而,金融时间序列的小数据量与混合噪声的特征使得混沌识别更加困难．目前广为应用的金融时间序列的混沌识别方法是Gencay-Dechert法,替代数据法等,这些算法仍然处于发展完善中。     

连续语音关键字识别的方法

语音关键字识别是语音识别中的一个重要分支，本文结合关键字——废料模型、HMM比较了关键字识别和连续语音识别的不同，介绍了关键字识别的经典方法及提高识别正确率的方法。     

关于HMM模型算法的一种改进

本文对传统的HMM模型进行了改进,结合了HMM和MEMM的优点。此改进是在＂HMM：状态——观察＂和＂MEMM：特征——状态＂之间进行的,实现＂特征——状态——观察＂这种模式,简化了繁冗的过程,比一般的HMM具有更好的性能,并举出实例加以论证。     

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。     

小提琴音准练习软件设计

音准是小提琴练习的难点和重点,传统训练方法需要专业人员指导,难以保证及时性,且主观性强,无法定量分析。音高与基频之间存在一一对应关系,基于C#编程平台,应用Windows的低级波形音频函数实时采集音乐信号,在频域采用带置信度的谐波峰值法初步估计基频,引入插值算法提高基频估计精度。实验测试表明,音高估计的误差在1音分以内,对于小提琴练习者来说,该软件具有可靠的指导意义。     

图像加密隐藏信息识别技术研究

研究加密图像隐藏信息准确识别技术.在图像中,如果加密信息隐藏在图片的噪声中,噪声信号和隐藏信息敏感信号混合在一起,将造成隐藏信息的敏感信号图谱特征发生形变.传统算法多是通过采集图像中的敏感信息图谱特征完成检测的,噪声信号和隐藏信息混合在一起,造成隐藏信息图谱可识别特征发生突变,导致识别准确率下降.提出一种逆向隐藏变换算法的图像隐藏信息识别技术,对图像进行置乱处理,运用干扰清除技术完成识别.实验证明,这种算法能够避免由于噪声信号和隐藏信号混合造成的隐藏信息特征发生形变的缺陷,保证了图像隐藏信息识别的准确率.     

隐马尔可夫模型研究进展及其管理领域应用

首先剖析了隐马尔可夫模型(Hidden Markov Model,HMM)的基本原理与结构,并对马尔科夫模型与HMM的结构和原理进行了比较,梳理了近年来HMM的理论研究进展,重点探讨了HMM在管理领域中一些实证研究成果及其应用特色。最后,对HMM今后进一步的研究方向进行展望。     

隐马尔可夫模型在命名实体中的应用

命名实体是文本中基本的信息元素，是正确理解文本的基础。命名实体识别就是要判断一个文本串是否代表一个命名实体，并确定它的类别，即发现命名实体和标注命名实体。利用了隐马尔可夫模型（HMM，Hidden Markov Model）和改进的隐马尔可夫模型进行英文命名实体的识别。