语音信号处理

摘要： 语音信号处理技术具有很强的专业性、先进性和实用性。将项目驱动教学法应用于语音信号处理课程教学,从项目设置、项目执行和项目评价等方面探索其实施路径,并以声源定位为例,阐述教学实施过程。教学实践表明,该模式有效激发了学生的学习积极性和主动性,提升了学生综合应用知识的能力,为学生今后开展科研和开发工作打下了良好基础。

摘要： 语音端点检测作为语音信号处理前端处理部分的一个重要环节,是各种语音任务的基础。基于深度神经网络的语音端点检测在数据支撑上需要对语音进行大量帧级别的标注,针对此问题,文中提出一种基于原型网络(ProtoNet)的小样本学习(Few⁃shot Learning)的语音端点检测算法,进一步减少在语音端点检测算法过程中因帧级别数据标注带来的繁琐工作。该算法利用所给出的标签计算出一个分类中心,通过计算查询点到分类中心的距离将未给出标签的查询点归类到分类中心,得到一个原型中心;在测试集上,计算测试集中的查询点与原型中心的距离并进行测试。实验语料基于MUSAN语音库,使用该语音库自带的噪声库进行加噪。实验结果表明,在各种环境噪声下,基于小样本学习的语音端点检测算法的性能优于基于深度神经网络的语音端点检测算法,而且该算法能够显著减少语音端点检测算法的数据准备工作量与系统数据量。

摘要： 傅里叶变换是语音信号处理的常用方法,但其存在窗口分辨率的问题,当窗口值大,语音信号的全局特性方便获取,局部信息不精细,当窗口值小,局部信息精度高,全局特性无法完全获取,这是傅里叶变换固有的矛盾.本文采用了分数阶傅里叶变换方法,对有噪音的语音信号先经小波局部消噪处理,利用分数阶傅里叶变换对语音进行了全局消噪,并与循环神经网络消噪方法做了对比实验.实验结果表明,含噪的语音信号经由小波变换的局部和分数阶傅里叶全局消噪的处理后,得到了比循环神经网络方法更好的处理结果.

摘要： 警情受理是消防救援队伍灭火救援行动的首要环节,关系着救援行动的成败和群众生命的安危。然而,在实际接警中,由于单纯语音沟通的局限性和表达描述的口头性,警情定位和事故类型等关键要素需要反复确认且极易出现偏差,导致调派效率低下,甚至贻误战机。本文基于AI语音语义识别、AI文本转换优化的关键信息智能提取等多种技术,提出一种新型智能化警情受理系统的设计方案。

摘要： 语音信号识别系统预处理阶段中一个关键步骤是语音信号的端点检测,其精准性直接决定了整个语音识别系统的识别效果.传统的短时能量和短时过零率双门限检测法中后端点检测存在偏差,且在有噪声的情况下鲁棒性较差.从动态阈值、短时平均过零率、端点修复、动态检测等方面人手,改进了双门限检测法.优化了的端点检测算法,使得语音识别系统能够更精确地识别和提取语音,减少了语音识别时间,提高了识别率.进一步将无用信号和语音信号完全分离开来,有利于后续语音识别的研究.

摘要： 傅里叶变换是语音信号处理的常用方法,但其存在窗口分辨率的问题,当窗口值大,语音信号的全局特性方便获取,局部信息不精细,当窗口值小,局部信息精度高,全局特性无法完全获取,这是傅里叶变换固有的矛盾。本文采用了分数阶傅里叶变换方法,对有噪音的语音信号先经小波局部消噪处理,利用分数阶傅里叶变换对语音进行了全局消噪,并与循环神经网络消噪方法做了对比实验。实验结果表明,含噪的语音信号经由小波变换的局部和分数阶傅里叶全局消噪的处理后,得到了比循环神经网络方法更好的处理结果。

摘要： 随着我国高等教育应用型人才培养的不断发展,传统语音信号处理课程在教学设置、教学内容、教学手段等环节存在的问题越来越明显。为了进一步增强学生的自主学习能力与动手能力,从教学实际出发,以项目式教学为主,通过合理优化教学内容与教学模式,促进学生从“要我学”转变成“我要学”。

摘要： 语音信号处理是人工智能的重要组成部分。针对人工智能专业实际教学过程中存在的理论性强、教学内容陈旧、实践教学环节薄弱等问题,本文从调整教学内容、改进教学方法和加强实践教学环节三个方面入手,提出了教学改革的措施。"语音信号处理"作为语音识别和自然语言处理的重要基础,已经成为人工智能专业的一门重要的专业课程。

摘要： 在通信领域中，语音编码是语音信号处理的重要分支。为了适合信道传输，语音必须变换形式，基于承载信息并且保留信号，尽可能地处理。在当今的通信、计算机网络等应用领域中，具备低延迟、低码率两大特性的语音编码算法，发挥着决定性作用。在语音编码中，线性预测分析技术主要应用在感觉加权滤波器、综合滤波器及对数增益滤波器。该技术发挥着关键作用。文中的工作是呈现出一种混合LPC(Audilory-Acoustic-Hybrid-LPC)系数，它结合声学特性与听觉特性，以便提高编码后合成语音的听觉质量，这对编码算法的钻研有积极意义。

摘要： 基频提取在语音信号处理领域是一个基础的课题.经过多年的研究，现在的技术在准确率和鲁棒性方面还没有达到一个十分令人满意的水平，当语音是一个干净的语音时。大部分的基频提取算法的结果都很好，但是当语音中混有较强的噪声，或者语音是多个语音的混合，从而同时含有多个基频的时候，很多现在的技术都表现得不好。该文介绍了若干主要的基频提取算法，并对这些算法的改进进行了讨论。

摘要： 分离混叠在一起的不同语音信号，抑制复杂的干扰噪声，即所谓的“鸡尾酒会”问题，一直是语音信号处理和人类听觉研究的难题之一。研究人员一直希望让机器达到像人类听觉系统一样的神奇能力，提出了从单通道语音增强、阵列空间滤波、盲源分离到听觉场景分析等不同方法。最近基于语音信号稀疏性特点的分离方法效果非常出色，如果能够找到所谓的理想二元时频掩模(Ideal binary mask)，就能很好的从混叠信号中分离出各个语音信号。本文介绍了我们用双传声器分离混叠语音信号的方法，该方法在混响较弱的环境中能够很好的分离多个语音信号，同时保证可懂度。本文还分析了采用二元掩模方法分离语音信号时造成的失真问题，以及对自动识别系统产生的影响。

摘要： 语音信号的采集，压缩和传输是语音信号处理研究领域的重要内容，传统的处理过程是按照采样定律先采集，再压缩，然后进行传输，最后进行解压缩。本文首先介绍压缩感知的原理，接着探讨了观测点的个数与重构误差的关系，然后进行语音信号的压缩传感及恢复的实验，最后对研究过程中发现的问题进行总结和展望。

摘要： 滤波器组和频谱分析、综合的概念在科学和工程的许多领域中都要用到，在语音分析、频带压缩、通信等系统中更是尤其重要。

摘要： 随着电声技术的发展,三维音频技术越来越受到人们的关注,而其中的一个关键技术就是实际测量的高阶HRIR的建模.为解决这个问题,不同的学者提出了不同的方法.然而现行的方法大都是在数学意义下的逼近原来HRTF,未能很好的考虑人耳的听觉特性.本文提出基于CAPZ的Log域下的加权共极点零点建模方法.所提方法考虑了影响人对三维音频信号感知的多个因素来简化HRIR的建模参数,同时能更好的保持HRTF听觉特性.首先,基于耳道的共振特性,各个方向的HRTF共极点由CAPZ建模获得.然后利用入耳听觉的Log域特性及HRTF不同频段对定位影响的重要性不同引入权重,HRTF各个方向的零点选择基于log域加权的最小均方误差准则建模.最后客观评测验证本方法的有效性.

摘要： 随着电声技术的发展,三维音频技术越来越受到人们的关注,而其中的一个关键技术就是实际测量的高阶HRIR的建模.为解决这个问题,不同的学者提出了不同的方法.然而现行的方法大都是在数学意义下的逼近原来HRTF,未能很好的考虑人耳的听觉特性.本文提出基于CAPZ的Log域下的加权共极点零点建模方法.所提方法考虑了影响人对三维音频信号感知的多个因素来简化HRIR的建模参数,同时能更好的保持HRTF听觉特性.首先,基于耳道的共振特性,各个方向的HRTF共极点由CAPZ建模获得.然后利用入耳听觉的Log域特性及HRTF不同频段对定位影响的重要性不同引入权重,HRTF各个方向的零点选择基于log域加权的最小均方误差准则建模.最后客观评测验证本方法的有效性.

摘要： 随着电声技术的发展,三维音频技术越来越受到人们的关注,而其中的一个关键技术就是实际测量的高阶HRIR的建模.为解决这个问题,不同的学者提出了不同的方法.然而现行的方法大都是在数学意义下的逼近原来HRTF,未能很好的考虑人耳的听觉特性.本文提出基于CAPZ的Log域下的加权共极点零点建模方法.所提方法考虑了影响人对三维音频信号感知的多个因素来简化HRIR的建模参数,同时能更好的保持HRTF听觉特性.首先,基于耳道的共振特性,各个方向的HRTF共极点由CAPZ建模获得.然后利用入耳听觉的Log域特性及HRTF不同频段对定位影响的重要性不同引入权重,HRTF各个方向的零点选择基于log域加权的最小均方误差准则建模.最后客观评测验证本方法的有效性.

摘要： 随着电声技术的发展,三维音频技术越来越受到人们的关注,而其中的一个关键技术就是实际测量的高阶HRIR的建模.为解决这个问题,不同的学者提出了不同的方法.然而现行的方法大都是在数学意义下的逼近原来HRTF,未能很好的考虑人耳的听觉特性.本文提出基于CAPZ的Log域下的加权共极点零点建模方法.所提方法考虑了影响人对三维音频信号感知的多个因素来简化HRIR的建模参数,同时能更好的保持HRTF听觉特性.首先,基于耳道的共振特性,各个方向的HRTF共极点由CAPZ建模获得.然后利用入耳听觉的Log域特性及HRTF不同频段对定位影响的重要性不同引入权重,HRTF各个方向的零点选择基于log域加权的最小均方误差准则建模.最后客观评测验证本方法的有效性.

摘要： 随着电声技术的发展,三维音频技术越来越受到人们的关注,而其中的一个关键技术就是实际测量的高阶HRIR的建模.为解决这个问题,不同的学者提出了不同的方法.然而现行的方法大都是在数学意义下的逼近原来HRTF,未能很好的考虑人耳的听觉特性.本文提出基于CAPZ的Log域下的加权共极点零点建模方法.所提方法考虑了影响人对三维音频信号感知的多个因素来简化HRIR的建模参数,同时能更好的保持HRTF听觉特性.首先,基于耳道的共振特性,各个方向的HRTF共极点由CAPZ建模获得.然后利用入耳听觉的Log域特性及HRTF不同频段对定位影响的重要性不同引入权重,HRTF各个方向的零点选择基于log域加权的最小均方误差准则建模.最后客观评测验证本方法的有效性.

摘要： 本发明提供一种语音信号处理装置及语音信号处理方法。依据目标音框的前一音框所对应的原始语音取样信号是否为子音信号来调整目标音框的子音信号判断条件，以提高聆听声音的舒适度以及语音信号的可辨识度。

摘要： 本发明提供一种语音信号处理装置及语音信号处理方法。检测输入语音信号的响度以获得基准响度，依据基准响度与各频带对应的宽动态范围压缩曲线计算对应各频带的基准响度增益，并依据各频带的基准响度增益调整各频带的滤波信号的响度。可有效地避免多频带的宽动态范围压缩处理造成输出语音信号的信噪比下降，大幅地提高输出语音信号的辨识度。

摘要： 本发明提供一种语音信号处理装置及语音信号处理方法。本发明依据采样信号窗中连续的三个采样值来计算与采样信号窗对应的内插参数函数的值，并依据内插参数函数的值来计算降频信号窗中相邻两采样点间的内插值。本发明可有效地避免降频后的语音信号出现信号失真的情形。

摘要： 本发明提供一种语音信号处理装置及语音信号处理方法。依据不具有输出响度上限的宽动态范围压缩曲线调整各个频带的滤波信号的滤波响度增益，藉由降低增益下降调整值来降低各个频带的滤波响度增益，以降低响度调整滤波信号的响度，使输出语音信号的响度低于第一临限值。所述语音信号处理装置及语音信号处理方法可大幅地提高输出语音信号的声音品质。

摘要： 本发明提供一种语音信号处理装置及语音信号处理方法。依据在第m‑1个原始降频信号框中与第m‑1个更新降频信号框的中间取样点所对应的相位基准取样点编号决定在第m个原始降频信号框中与相位基准取样点编号对应的取样点相位匹配的第一个取样点。将此第一个取样点起的连续q个取样点作为第m个更新降频信号框的取样点，以在对取样语音信号做进一步的降频(例如将频率降为四分之一)时，仍可有效地改善信号框重叠时相位不匹配所导致的信号失真情形。

摘要： 本发明提供一种语音信号处理装置及语音信号处理方法。依据在第m个原始降频信号框中与第m个更新降频信号框的中间取样点所对应的相位基准取样点编号决定在第m个原始降频信号框中与相位基准取样点编号对应的取样点相位匹配的最后一个取样点。将此最后一个取样点起的连续p个取样点作为第m+1个更新降频信号框的取样点，有效地改善信号框重叠时相位不匹配所导致的信号失真情形。

摘要： 本发明提供一种语音信号处理装置及语音信号处理方法。该方法包括将降频后的取样语音信号所包括的各个降频信号框分割为淡入的第一子信号框与淡出的第二子信号框。将相邻且属于不同降频语音信号框的第一子信号框与第二子信号框进行交叠，以产生交叠语音信号。将交叠语音信号与取样语音信号进行合成，以产生输出信号。从而可有效地在不影响其他区段的语音信号的情形下降频语音信号。

摘要： 本发明提供一种语音信号处理装置、语音信号处理方法和语音信号处理程序，其能够通过简单的电路结构消除来自多个麦克风的输入信号中所包含的回声信号。本装置(1)具有：输出部(20)，其输出受话信号(s2)；输入部(30)，其对从多个麦克风(3)分别输入的信号进行合成而生成送话信号(s4)，该多个麦克风对受话信号的回声成分和发言者的语音进行集音，生成与回声成分相应的回声信号(es)和与发言者的语音相应的语音信号(s1)；消除信号生成部(70)，其根据滤波系数(F)生成用于消除送话信号中所包含的回声信号的消除信号(s5)；控制部(50)，其算出滤波系数；以及消除部(80)，其根据送话信号和消除信号，生成回声消除信号(s6)，控制部算出多个麦克风所分别对应的个别滤波系数(k)，并对个别滤波系数进行合成而算出滤波系数。

摘要： 本发明提供一种语音信号处理装置及语音信号处理方法。依据不具有输出响度上限的宽动态范围压缩曲线调整各个频带的滤波信号的滤波响度增益，藉由降低增益下降调整值来降低各个频带的滤波响度增益，以降低响度调整滤波信号的响度，使输出语音信号的响度低于第一临限值。所述语音信号处理装置及语音信号处理方法可大幅地提高输出语音信号的声音品质。

摘要： 本发明提供一种语音信号处理装置及语音信号处理方法。检测输入语音信号的响度以获得基准响度，依据基准响度与各频带对应的宽动态范围压缩曲线计算对应各频带的基准响度增益，并依据各频带的基准响度增益调整各频带的滤波信号的响度。可有效地避免多频带的宽动态范围压缩处理造成输出语音信号的信噪比下降，大幅地提高输出语音信号的辨识度。