基于短时平均幅度比的自适应降噪系统的研究

提出基于短时平均幅度比的自适应降噪系统的构想,阐述了系统的工作原理和关键技术,并通过实验对该构想的正确性进行验证。     

基于改进型双门限语音端点检测算法的研究

语音端点检测是语音信号处理过程中的一个重要步骤,其检测准确性直接影响语音信号处理的速度和效果。传统的基于双门限法语言检测技术,在语音处于纯语音情况下判断语音端点较准确,但在语音处于噪声情况下,尤其是低信噪比的情况下,端点识别率很低,出错率很高。基于提高此方法识别率的目的,采用调整阈值个数,平滑滤波,引入语音结束最小长度的方法对其进行改进,通过了Matlab仿真实验,得出了较好的语音端点检测准确率。     

一种参考短时平均能量和平均幅度差函数的基音检测方法

基音检测是语音处理中的一个非常重要的问题，但基音周期的准确估计非常困难，本文提出一种能参考短时平均能量和短时平均幅度差函数的归一化互相关函数的基音检测算法。经实验检验，在安静的现场环境及说话人情感平静时，对给出的测试语句做基音检测，没有出现错误。     

基于两级判别法的端点检测算法研究

本文介绍了一种基于两级判别法的端点检测算法,该算法利用短时能量和短时平均过零率相结合的方法,继承了二者的优点,弥补了单独使用短时能量端点检测容易丢失清音、拖尾音的问题,通过短时平均过零率的第二级判别进一步扩大语音段的范围,在高信噪比和低信噪比情况下分别验证.实验证明:这种算法简单易行,大大提高了端点检测的准确率,并具有较好的抗噪性.     

基于谱减法和短时能量的语音端点检测方法

语音端点检测在语音信号处理中是一个很重要的方面,在分析了传统的能量阈值的端点检测算法基础之上,针对其不足,笔者提出了一种基于谱减法和短时能量的检测方法。它结合语音增强,进行自适应门限判决。实验结果表明,与传统的能量阈值法比较,该方法在低信噪比的情况下具有较高的准确率和稳定性,是一种简单有效的方法。     

文本文件的语音识别中汉语音节的特征分析^1

汉语语音识别中连续大词汇量的语音识别率较差。若能把连续大词汇量的语音进行实时自动切分为单个音节，便可提高系统的识别率。如何做到对语音识别中音节的自动切分，首先需找出汉语语音音节的特征。本文综合了当前对汉语音节特征的研究成果，通过深入地比较分析，系统地给出了汉语语音音节的功率谱特征和时域特征，为汉语语音音节的自动切分提供算法依据，对提高连续大词汇量语音的识别率有重要意义。     

非特定环境下去噪性能的分析

语音信号是一种非线性时变的信号,因此在传输和存储过程中,很容易受到外界环境的干扰,最主要的是高斯白噪声的干扰。本文针对语音信号的噪声特点,提出在非特定环境下去除噪声的方法。仿真结果表明,在信噪比为63 dB的情况下,还原的语音信号能够满足我们人耳的要求,体现了该方法的一般性和可行性。     

在噪声背景下的语音识别端点检测

在研究时,首先进行加性噪声模型的建立,而后通过滤波对带噪语音信号进行预处理,采用维纳滤波进行滤波。在进行语音信号的预处理后,使用VAD算法进行端点检测。建立整个试验系统后,找出了最佳方案。     

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.     

一种语音端点检测算法在DSP上的实现

介绍了一种对背景噪音进行动态估计的汉语语音端点检测算法,较一些常规的端点检测方法如基于能量的端点检测方法,具有更高的精度和鲁棒性．并用TI的TMS320VC5410 DSP来实现一个带端点检测的语音识别系统．通过进行汉语孤立词语音识别实验,表明这种算法是有效的,能得到较高的识别率．