语音信号

摘要： 语言是人类特有的能力。通过声音传感器,把语音转换为电信号;通过采样和幅度量化,把语音信号转化为一系列离散化的采样数据,便于计算机存储、传输和处理;通过快速傅里叶变换,可以得到采样数据的频谱。频域特征与时域特征结合可应用于语音的识别,说话人识别,语音的编码、分割、合成、端点检测等领域。

摘要： 语音增强的目的是尽可能地从带噪语音中提取纯净的原始语音。传统的单麦克风语音增强算法在非平稳噪声、低信噪比等复杂情况下性能显著降低;而双麦克风因其可以抑制方向性噪声,整体降噪性能更好而得到广泛应用。针对微型双麦克风,文中提出一种有效的语音增强算法。该算法首先通过对两通道含噪语音信号进行差分运算来抑制方向噪声,然后采用基于语音活动检测的改进自适应噪声抵消算法进一步消除剩余噪声,再对畸变的语音信号进行恢复运算,最后使用对数最小均方误差算法进一步消除残留噪声。在对畸变的语音信号进行恢复运算的过程中,提出一种时域恢复算法,得到比已有频域恢复算法更小的运算量和时延。实验结果表明,文中所提算法能有效地抑制噪声,改善语音质量,其降噪效果良好而且易于实时实现。

摘要： 语音由发音器官发出,通过声电传感器,语音可以转化连续的模拟电信号;随着电子技术和计算机技术的进一步发展,语音信号的处理得到了飞速的发展;语音信号分析处理包括时域分析和频域分析两大类;语音的时域分析包括短时能量分析、短时过零率分析、短时相关分析,时域分析目的是提取语音时域特征,据此进行语音端点检测。

摘要： 语谱图主要用于研究语音信号不同频段的信号强度随时间变化的关系。分析语谱图时,需要利用Python语言和相关库进行仿真,得到语音信号的伪彩色映射并将结果直观地显示出来,便于进一步分析、研究语音信号的特征。本文讨论语音信号的声学基础和有关特征,分析语音信号处理的发展及应用,用声卡采集湖南三个地方的方言语音信号,利用Python语言对方言语音信号语谱图进行显示,分析不同汉语方言之间的差异。该方法具有编程简单、相关功能库丰富、对设备要求低、显示结果直观等特点,为分析处理不同地区的方言语音信号提供了一种简洁高效的方法。调用Python进行仿真,能清晰地分辨出宽带信号与窄带信号的不同特性,因此可通过对频谱图的分析来识别不同地方的方言。

摘要： 语音是人类最常用最有效的交流工具。随着人类进入信息化时代,用计算机处理语音信息成为一种趋势。语音信号处理技术在基于语音的信息检索、语音识别、语种识别、说话人识别,以及基于语音的情感处理等方面都有广泛的应用前景。wav音频波形格式的文件是常用的一种语音文件格式,语音信号处理可以是频域的,也可以是时域的,语音信号滤波可以在时域实现,也可以在频域实现。

摘要： 目的:运用现代声学技术,采集和分析肺系疾病患者的声音信号,为肺系疾病的中医辨证提供一定的声诊客观数据。方法:运用“中医闻诊采集系统”采集肺系疾病患者声音样本342例,其中原发性支气管癌79例、慢性支气管炎119例、支气管哮喘144例,另选上海中医药大学在校健康师生102名为正常对照组。运用小波包分析技术对信号分析处理,提取各组样本信号的小波包能量和Shannon熵值特征,通过独立变量非参数检验方法对各组样本的小波包特征参数进行检验,并运用这两种特征进行中医病证的分类识别研究。结果:多个时域频段的小波包能量特征值及Shannon熵值特征差异均有统计学意义(P<0.05),总熵值比较,正常对照组总熵值均低于患病各组。运用本研究得到的小波包能量和Shannon熵值两种特征,分别采用支持向量机和BP(back propagation)神经网络两种方法,对肺系不同证型样本进行分类识别,分类识别准确率分别为83.67%和71.95%。结论:肺系不同病证患者的语音信号特征存在差异,小波包能量和Shannon熵值特征能初步区分肺系常见病证的语音特征,辅助肺系常见病证的临床诊断和辨证;运用支持向量机和小波包能量、Shannon熵值特征进行肺系病证的分类识别,有较好的效果,为中医声诊的分类识别提供新的思路。

摘要： 数字语音处理是采用数字化的方法,对语音的传送、存储、识别、编码等进行数字化处理,涉及多个学科,广泛应用于数字通信、语言学习、自动翻译、人工智能等多个领域。滤波器在数字信号处理中发挥着重要作用。设计一个低通滤波器,对语音信号进行滤波,以获得语音信号的低频分量。

摘要： 含噪语音信号处理是指结合数字信号处理技术对含噪语音信号进行降噪处理。利用MATLAB软件对采集到的语音信号进行时域、频域分析,模拟产生噪声信号加到语音信号中,仿真分析得到含噪声语音信号的时域、频域波形图。文章综合运用数字信号处理技术设计低通滤波器对含噪语音信号降噪处理,并仿真产生滤波后的时域、频域波形图,对比分析完成含噪语音信号的降噪处理。

摘要： 语言是人类交流的便捷工具。通过传感器把语音转换为电信号,再经过离散采样、量化等处理,得到离散的采样数据。这些采样数据适合用计算机进行存储、传输、编码、增强等处理。语音信号处理是一门跨学科的新兴学科。语谱图又称为语音声纹,是语音信号的时域和频域信息结合的图像。

摘要： 提出一种基于粒子群优化算法的支持向量机网络,并把它应用到语音情感识别系统中。依据情感的维度空间模型,研究分析情感语音数据的韵律特征与音质特征。利用粒子群优化算法(PSO)训练网络的超参数以优化支持向量机模型,可快速地实现网络的收敛。最后在实验中比较线性核函数SVM、径向基核函数SVM与粒子群优化径向基SVM分别用于语音情感识别的识别率,结果显示粒子群优化径向基核SVM模型用于语音情感识别能获得明显的识别性能的提升。

摘要： 基于语音信号的发音器官运动估计,是根据说话人语音推断发音器官运动过程的技术,在语言学、医学、影视动画学等领域有广阔应用前景.本文主要对基于单元选择模型和回归模型实现该技术的方法进行介绍.单元选择模型法部分阐述了码本库建设、语音单元切分、选择算法设计、拼接合成算法等方面的研究现状.回归模型法部分阐述了此类问题中隐马尔科夫模型、高斯混合模型、人工神经网络等回归算法的研究现状.最后,文章进行了总结和展望.

摘要： 针对目前声纹识别中常用的模式识别算法(LPCC、MFCC等)的不足,为了提高声纹识别系统性能,本研究提出将小波分析和BP神经网络—小生境遗传优化算法(BP-GA)用于声纹识别中.该算法首先采用小波分析对语音信号提取信号时域频域特征变量,然后通过小生境遗传算法克服传统多层人工神经网络在训练时存在易陷入局部极小值的问题,最后采用小波特征变量做为优化后的神经网络的训练数据得到最终声纹识别算法.实验结果表明采用小波分析和BP神经网络—小生境遗传算法的声纹识别性能相对传统识别算法具有识别速度快、识别率高、错误率低、能够自动纠错,对于不同的发音人具有鲁棒性等优点.

摘要： 针对语音信号的非结构化特点,提出了一种基于量子隧穿效应的说话人真伪鉴别方法.以量子隧穿效应为理论依据,首先,在分析语音信号分帧的量子特性基础上,将每一帧语音信号看作一个量子态,实现算法的量子化;然后,利用势垒能分离能量的特性,通过构建势垒组以提取信号的能量谱特征,并以此作为特征参数;最后,通过高斯混合模型(GMM)进行语音信号建模,完成说话人的真伪鉴别.仿真结果表明,相对于传统方法,利用量子隧穿效应理论实现说话人鉴别可以有效降低算法的复杂度,提高识别的识别率和可靠性,为量子信息理论和说话人真伪鉴别方法提供了新的研究途径.

摘要： 利用稀疏分解技术对信号进行压缩、重构在信号处理领域具有重要意义并已在工程上得到了广泛应用.这一技术通过构建稀疏字典和重构系数矩阵实现信号的表征,其重构矩阵的稀疏质量与重构结果有着密切的关系.通过对稀疏分解重构矩阵稀疏分布情况与误差的研究,给出了一个能准确度量该矩阵稀疏质量的指标,并通过实验验证了该指标与重构误差的相关性.

摘要： 低嵌入率下的隐写分析是当前信息隐写领域最大挑战之一,论文利用小波包分解对语音信号细节特征精准刻画的优点,提出了一种基于二阶导小波包系数Markov双向转移矩阵的隐写检测方法.该方法以语音小波包系数相关性Markov双向转移矩阵为特征,通过大量嵌入率分别为1％、3％、5％、10％、30％、50％、80％的LSB匹配隐写数据来训练SVM分类器,实现了对低嵌入率下语音载体的LSB匹配隐写检测.实验结果表明:与目前主流二阶导小波包系数直方图频域矩为特征,以及以二阶导MFCC为特征的检测方法相比,论文提出的方法在低嵌入率下的隐写分析性能具有明显优势.特别是在嵌入率仅3％时,检测准确率达68.5％,比以二阶导小波包系数直方图频域矩为特征的检测准确率提高了17.8％,并且检测准确率率随着嵌入率的增加稳定提高.

摘要： 真实环境下的噪声和混响等干扰都严重影响了语音信号的质量和可懂度,降低了后继语音应用系统的性能.为了解决这一问题,自上世纪60年代以来,科研人员研发了大量的语音增强方法.根据使用麦克风个数的不同，语音增强技术大致可以分为单通道语音增强技术、多通道语音增强技术和双耳语音增强技术，经过几十年的研究，语音增强技术取得了许多重要进展并在很多应用中得到实际应用，并且应用场景更加真实，传声器阵列结构走向更加立体，同时也遇到了大数据时代所带来的挑战。

摘要： 线性预测是一种主要的语音信号处理的方法,本文结合语音信号的线性相关性和BP神经网络强大的数据处理能力,提出了一种利用BP神经网络进行语音线性预测系数分析计算的方法,并通过数据仿真验证了该方法的有效性和可行性.

摘要： 中远距离水声通信时,由于受到各种不利因素的影响,如多途扩展等,导致传输速率较低.因此在中远距离水声语音通信时需要对语音信号进行压缩处理.考虑到语音信号存在一定的冗余,本文提出了一种语音预压缩方法.在保留说话人特征的前提下,通过语音段划分提取语音段并删除静音段,通过稳态浊音段检测删除冗余部分,最终实现语音的预压缩.通过实验对比了预压缩参数,将入耳比较容易接受的设定为最佳参数.最佳参数的预压缩结果表明:提出的语音预压缩算法具有一定的稳定性、通用性和灵活性,并且不影响语义的理解和说话人的听辨,语音压缩率基本上都在80％左右.

摘要： 数据压缩是现代信息处理的一个关键技术,本文结合神经网络的非线性处理能力以及数据空间的关联性,设计了一种进行数据压缩的神经网络模型,并给出了模型的训练方法,并通过对仿真数据以及语音信号的压缩处理,验证了这种模型结构的有效性.

摘要： 传统语音情感识别主要基于单一情感数据库进行训练与测试.而实际情况中,训练语句和测试语句往往来源于不同的数据库,识别率将显著下降.为了解决这一问题,提出了一种基于子空间学习和特征选择融合的语音情感识别方法.通过采用回归方法来学习特征的子空间表示;同时,引入l2,1-范数用于特征的选择;并引入最大均值差异(Maximum mean discrepancy,MMD)来减少不同情感数据库间的特征差异,对它们进行联合优化求解从而提取较为鲁棒的情感特征表示.在EMO-DB和eNTERFACE两个公开情感数据库上进行实验评价,结果表明:所提出的方法在跨库条件下具有较好的性能,相比其它经典的迁移学习方法更加鲁棒高效.

摘要： 本发明涉及一种语音扩展器，该语音扩展器如此构成，以便它根据窄带语音信号估测宽带语音信号。此外，该语音扩展器是自适应的，以便它在编码时与通信终端装置和/或与通话者相匹配。

摘要： 本发明公开了一种语音信号的处理方法，包括以下步骤：获取输入信号的自相关矩阵；根据所述自相关矩阵确定所述输入信号的加权语音自相关矩阵；根据所述加权语音自相关矩阵确定语音增益矩阵以及语音变换矩阵；根据所述语音增益矩阵和所述语音变换矩阵确定传递函数，并根据所述传递函数及所述输入信号生成输出信号。本发明还公开了一种语音信号处理装置及计算机可读存储介质，达成了提高电子设备识别语音指令的准确度的效果。

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、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： 本发明涉及一种语音扩展器，该语音扩展器如此构成，以便它根据窄带语音信号估测宽带语音信号。此外，该语音扩展器是自适应的，以便它在编码时与通信终端装置和/或与通话者相匹配。

摘要： 本发明提供了一种适用于助听器的语音信号转换系统及语音信号处理方法，其结构设计简单合理，可提高语音信号处理效果，提高佩戴舒适度，该系统包括集成于助听器且顺次连接的语音采集模块、抗混叠滤波模块、可编程增益放大模块、带偏移补偿的模数转换模块、数字音频信号处理模块、语音输出模块，基于上述语音信号转换系统的语音信号处理方法包括：拾取连续的模拟语音信号，移除模拟语音信号中的高频谐波成分，对语音信号的动态范围进行调整，获取调整语音信号，对调整语音信号进行模数转换，获取数字语音信号，对数字语音信号进行听力补偿处理和数字信号算法处理，获取离散数字信号序列，对离散数字信号序列进行数模转换并输出模拟音频信号。

摘要： 本发明涉及一种用于人员(31)的语音信号的检测设备(10)以及用于检测人员(31)的语音信号的方法。检测设备(10)包括光源(30)、传感器装置(11)、评估装置(13)以及第一面状的载体介质(12)。第一面状的载体介质(12)构造为光导体，在光导体处提供有耦入区域(16)和耦出区域(18)。光源(30)的光(100)朝人员(31)的颈部前部区域(31’)的方向发出，在那里反射的光(100’)在耦入区域(16)中耦入到第一面状的载体介质(12)中，借助于内反射传输到耦出区域(18)并在那里耦出。耦出的光(100’)由传感器装置(11)检测，传感器装置提供说明耦出的光(100’)的飞行持续时间的传感器数据。借助于评估装置(13)将传感器数据转换成振动数据，并通过在应用语音诠释标准的情况下评估振动数据而提供语音信号。