基于单类支持向量机的稳健语音端点检测

可靠的语音端点检测算法是稳健语音识别系统所必须的。针对现有算法在噪声环境下的稳健性问题,提出了基于单类SVM(Support Vecfor Machine)的端点检测算法。通过对多特征信息进行在线学习与综合,以及采用双层决策机制,有效提高了语音检测的稳健性。实验表明,算法在多种噪声环境和信噪比条件下有效,明显提高了语音识别系统在噪声环境下的识别率。     

基于一阶有限差分商的带噪语音端点检测方法

语音识别中的端点检测技术是语音识别的基础,低信噪比环境下的端点检测很大程度决定语音识别工作的有效进行.提出了一种利用一阶有限差分商结合折半查找来判定语音端点检测的方法,提高了端点检测的准确率.仿真实验表明,在噪声环境下该方法较好地实现了语音端点检测.     

基于在线单类支持向量机的自适应语音活动检测

针对非平稳噪声环境下的语音活动检测问题,提出了基于在线单类SVM的自适应语音活动检测算法。该算法采用单类SVM对多种特征信息进行在线学习与综合,为非平稳背景噪声建模,并采用双层决策机制,能有效提高语音活动检测的稳健性。在语音识别系统中的实验结果表明,算法在多种噪声环境和信噪比条件下有效,并明显提高了在非平稳噪声环境下的识别率。     

基于Arduino/Android的语音控制小车设计

基于促进学生构建系统性的知识结构,开发了包含手机语音识别模块、蓝牙通信模块、小车控制模块的手机语音远程控制小车案例作为综合课程设计性项目。信息发送端是Android手机客户端——在Eclipse跨平台的自由集成开发环境下开发的语音控制小车apk;信息接收控制端以ATmega32U4芯片为核心单元,利用Arduino IDE开发控制程序,通过DF-Bluetooth蓝牙模块实现通信连接,根据接收的语音命令控制转向显示灯工作,并给不同舵机写不同角度,利用URM37 V3.0超声波传感器检测路面反馈信息,从而控制舵机运动,构成闭合控制系统。试验结果表明:系统能很好地控制小车实现前轮转向并同时伴随转向灯的开启,后轮进退且自主避障,系统性能良好。     

基于DSP和CPLD的语音处理系统的设计

讨论了以数字信号处理器（DSP）和复杂可编程逻辑器件（CPLD）为核心的语音处理系统的设计．介绍了该系统的框图和详细的硬件设计方案．调试结果表明该系统工作稳定,性能良好,可用于语音信号编解码和处理算法的设计与开发．     

论专业英语语音教学

在观察和分析的基础上,本文探讨了我国目前英语专业学生在英语语音方面存在的问题以及英语语音教学方面的不足,并提出了相应的改进措施。     

基于讯飞语音控制的空调系统设计

为了通过语音控制空调工作,针对带Wi Fi功能的空调和传统的不带Wi Fi功能的空调分别设计了两种不同的控制方案,应用讯飞语音识别与合成技术实现对空调的控制。研究了语音控制的关键技术,包括语音技术的选取、语音识别的流程、BNF语法的编写、语音识别结果检测以及语音合成的流程等,设计了手机APP并对手机APP进行了测试,结果表明,在低噪音环境下语音识别准确率能够达到90%以上,在中等噪音环境下语音识别准确率能够达到80%以上,识别准确率较高。     

对大学英语语音教学现状的思考

通过回顾英语语音教学发展的历史,语音教学的流派以及教学理论对语音教学所产生的影响,在观察和分析的基础上,本文分析了目前大学生在英语语音方面存在的问题,及对语音教学进行改进的一点尝试。     

基于自适应参数的多窗谱谱减法算法改进

当今人工智能发展迅速,语音识别成为人机交互的重要方式。为提高语音识别准确度,在分析语音信号前去除语音信号噪声干扰并提高语音信号能量尤为重要。在实际应用中,不同语音信号包含不同的噪声。针对不同的语音噪声,在传统谱减法基础上,通过判断算法窗函数,根据不同的噪声能量改变多窗谱减法的过减因子参数,以增强算法自适应能力。仿真结果表明,在低信噪比情况下,通过改变过减因子值,可取得一个最优过减因子值以改进谱减法下的音乐噪声和失真度。自适应多窗谱减法改进后与基本谱减法相比,信噪比提高了 29%;与多窗谱减法相比,信噪比提高了 16%。该自适应多窗谱减法可适应不同噪声环境下的语音信号,增强语音信号中的关键信息并减少噪声干扰。     

英语语音教学可视化研究

语音是人类交流信息的基本手段,随着信息科学技术的飞速发展,语音处理技术在近20多年中取得了重大进展,语音可视化技术已相当成熟,并在语音信号处理、分析中广泛应用。本文主要从英语语音教学的角度出发,分析了在英语语音教学中能应用的语音可视化技术和常用软件,探讨了英语语音教学可视化的现状、存在的问题和解决思路。