用于指挥控制的语音实时识别系统探讨

信息科学的发展对指挥控制的技术提出更高的要求,语音识别将是车载、机载、舰载综合电子设备中一项不可缺少的内容。但海、陆、空等指挥控制环境中高噪声的存在及其导致的话者语音变化,为语音识别系统的可靠应用带来了困难,要解决这个问题,就必须研制具有抗噪声能力的语音识别系统。本文基于语音识别的基本原理,通过对噪声特性及其对语音识别影响的分析,从提高系统的鲁棒性入手,探讨了抗噪声语音实时识别系统     

无线通信中语音降噪技术的实现

本文基于语音增强技术研究工作．根据无线语音通信中噪声干扰的特点．对不同噪声采取不同的降噪对策,使用单端、被动降噪模式,在不改变原有通信系统工作模式情况下,实现了无线语音通信的降噪功能。     

基于特征值线性拟合误差的信源数估计方法

基于信息论的MDL准则信源数估计方法在均匀高斯白噪声背景下具有良好的估计性能。若阵元间存在幅相不一致性时白噪声变成非均匀色噪声,此时算法性能将急剧下降。针对该问题,提出了基于数据协方差矩阵特征值总体最小二乘线性拟合误差的信源估计方法。该方法根据特征值线性拟合误差与拟合点数为单调不增关系,并结合MDL准则的惩罚因子构造判断函数实现信源数估计。仿真结果表明:该方法在非均匀色噪声背景下能够实现信源数一致估计;且在低信噪比、短快拍时仍然具有良好的估计性能。     

自适应抵消与谱相减结合的单通道语音消噪算法

飞机、坦克和船舶等封闭座舱内部产生的强机械噪声严重地影响了语音通信系统,为此,提出了自适应噪声抵消与谱相减结合的单通道语音消噪算法,其基本原理是:先进行基于相关检测的自适应消噪处理,其后采用谱相减算法消除残留噪声。仿真结果表明:该算法对引擎噪声的消噪效果明显,并能有效地保持语音清晰度,可应用于机械噪声很强的语音通信系统。     

机动目标状态估计的最小均方误差界

基于多项式模型的各种自适应滤波算法被广泛应用于机动目标跟踪领域,但尚没有统一的评估标准来衡量这些跟踪算法的优劣。由于存在确定的时变未知输入,机动目标的状态估计实际为有偏估计。基于状态估计均方误差最小的准则,推导了多项式模型滤波的最小均方误差界计算方法,获得了使状态估计均方误差最小的过程噪声方差变化规律。该方法给出了各种基于多项式模型的机动目标跟踪算法的估计均方误差下限,也为机动目标跟踪中最优过程噪声方差的设定提供了依据。仿真结果验证了算法的有效性。     

基于小字典训练的语音增强算法

文章提出一种基于小字典训练和过完备稀疏表示的语音增强算法。该算法通过构造过完备的小字典并使用带噪语音的幅度谱对其进行训练来实现。训练过程中通过不断地使用K-SVD算法更新字典矩阵和相应的稀疏系数矩阵来实现对纯净语音的提取,达到语音增强的效果。该方法不同于传统增强算法需要对噪声进行估计与抑制,而是通过稀疏表示将纯净语音从带噪语音中分离出来。主客观测试结果表明,本文方法较好地消除了随机噪声,低信噪比情况下增强效果明显优于传统算法,且能够避免产生音乐噪声。     

一种基于非负矩阵分解的语音增强算法

文章提出了一种基于非负矩阵分解的语音增强算法。该算法包括两个阶段,训练阶段和增强阶段。训练阶段通过非负矩阵分解算法对纯净的噪声频谱进行训练,得到噪声字典矩阵,保存其作为增强阶段的先验信息。增强阶段首先通过非负矩阵分解算法对带噪语音的频谱进行分解,然后联合噪声字典矩阵和推导得到的相应迭代公式对语音字典矩阵和语音编码矩阵进行估计,重构增强语音。仿真结果表明,文中增强方案在抑制背景噪声,提高信噪比和减少语音失真方面要优于传统的语音增强算法。     

一种强噪声背景下语音增强方法的研究与实现

提出了一种基于传统谱相减语音增强算法的改进方法,加强了其滤除噪声的功效,提高了强噪声背景下语音信号的信噪比和可懂度。实验表明,该算法能够很好地滤除强噪声,增强语音,甚至对于滤除与语音频段几乎重叠的噪声信号,效果也十分显著。最后与传统减谱法相比较,分析了该算法的优缺点。     

后置维纳滤波和可调波束成形器的语音信号增强

针对自适应波束形成滤器会带来误差噪声,提出一种两级滤波器结构的语音增强方法。第1级由一个可调滤波器与4个麦克风阵列的求和波束形成器组成。通过一个控制信号控制波束形成滤波器。第2级是一个维纳滤波器,通过两个相邻的主输出定向光束之间的互相关实现信号功率谱估计,该估计是基于两个相邻定向光束的噪声输出是来自两个独立的噪声源,语音输出源来自同一个信号源。仿真结果表明,算法可以提高信噪比约6 db。     

基于奇异谱分析的盲源分离单通道语音增强算法研究

针对盲源分离算法无法直接对单路含噪语音信号进行分离的问题,提出一种基于奇异谱分析的盲源分离单通道语音增强算法.通过对单路含噪语音信号进行奇异谱分析,将其低频分量作为第二路观测信号,利用改进的最大信噪比盲源分离算法进行处理,从而实现语音信号和噪声的分离.实验结果表明,该算法能够有效抑制噪声,提高信噪比,起到良好的语音增强效果.     

基于谐波加噪声模型的语音转换算法

文章分析了语音的谐波加噪声模型,给出了基于谐波加噪声模型的男/女声转换算法流程,利用高斯混合模型(GMM)分别实现了谐波分量和噪声分量特征参数的转换。文中利用Matlab进行了仿真实验,验证了算法的有效性,对转换后的语音质量进行了ABX测试,并计算其谱失真进行客观评价,测试结果表明文中所述算法,较好的实现了语音转换。     

改进的Fisher准则及其在语音聚类中的应用

针对传统的Fisher准则在聚类分析方面的不足,提出了一种新的修正的Fisher准则。通过重新定义类内方差,得出最大Fisher值与最佳聚类数目的对应关系,从而预测出最佳聚类数目。通过对语音库中语音段落的说话者组成结构进行分析,证明了修正后的Fisher准则能有效地优化聚类分析,并显著提高了说话者组成结构分析结果的精度。应用基于修正后的Fisher准则的LBG聚类算法,能为语音操控系统中无监督的说话人自适应提供更可靠的说话人模板库。     

干扰条件下基于MMSE准则的弹载雷达认知波形优化

针对杂波、噪声和干扰环境中弹载雷达扩展目标检测识别问题,结合认知理论,在频域基于最小均方误差(minimum mean-square error,MMSE)准则提出一种新的雷达发射波形优化算法,用以抑制杂波和对抗干扰。建立雷达信号时频模型,通过目标参数贝叶斯估计构造以均方误差为代价的功率受限目标函数,利用拉格朗日乘子法得出最小代价发射信号频域能量最优波形表达式。仿真结果表明,算法能够针对目标频率响应和杂波、干扰的相对强度合理分配发射信号的频域能量,提高目标估计精确度,优化雷达检测识别性能;仿真条件下,最小均方误差准则优化波形目标识别性能优于互信息量准则。     

基于局域网的电磁干扰仿真

模拟部队指挥控制通信受到的电磁干扰,对增强模拟训练的战场真实性,提高部队战斗力具有重要意义.针对指挥控制系统通信所受到的电磁干扰情况,对电磁干扰进行了分类,引入各类噪声模型,并以调幅噪声干扰调频信号为例论述了电磁干扰的原理.在此基础上,通过MATLAB生成或采集真实噪声的方法产生离散噪声数据,利用低级波形函数对语音信号进行PCM编码,同时将噪声数据与语音数据叠加,实现对基于局域网的电磁干扰的仿真.     

军机驾驶员通讯用语语音信号及其清晰度影响因素分析

建立了军机驾驶员通讯用语词汇库及与故障相关的通讯用语词汇库,并对其中的主要词汇进行了汉语语音语谱分析。对影响军机驾驶员语音清晰度(可懂度)的有关因素——喉头送话器、座舱噪声、塔台录音进行了较详细的分析,得出主要影响因素为喉头送话器和座舱噪声,指出应改进送话器的方向且不能采用常规的固定参数滤波器来滤除座舱噪声。     

时间跨度对GPS坐标序列噪声模型及速度估计影响分析

选取全球范围内72个基准站的坐标序列,采用改进的赤池信息量准则、贝叶斯信息量准则对不同噪声模型组合进行噪声分析,得到基准站坐标序列的最优噪声模型及速度参数,探讨时间序列跨度对噪声模型及速度估计的影响。结果表明,基准站坐标序列噪声模型不能由单一的噪声模型表述,其呈现出多样性特征,主要表现为幂律噪声、高斯马尔科夫噪声、闪烁噪声+白噪声特征,且三坐标分量表现出不同的噪声特性;随着时间跨度的增加,坐标时间序列的最优噪声模型、GPS站速度及其不确定度逐渐由发散趋于收敛,随机游走噪声模型的比重有所增加。结果表明10 a以上的时间跨度是较为理想的噪声模型估计尺度。     

噪声环境下的汉语语音识别技术

本文讨论了噪声环境下的汉语语音识别技术,从语音识别的一般方法出发,主要介绍了系统原理和用DSP构建实现的方法。     

基于贝叶斯混合源分离方法的声纳探测误差模型

声纳的探测误差模型是声纳仿真的核心技术。针对现有的声纳误差白噪声模型仿真逼真度低的问题,提出了基于贝叶斯混合源分离方法,建立了声纳的探测误差模型,提高了声纳误差模型的性能。与传统的白噪声仿真方法相比,基于贝叶斯混合源分离方法的声纳误差仿真模型具有较好的逼真度,可以有效地对声纳探测误差进行建模和预测。     

软门限临界频带最小值统计语音增强算法及其定点DSP实现

以谱减法为基础，采用基于听觉掩蔽特性的临界频带处理法，较好地抑制了传统谱减法引入的音乐噪声。改进了噪声功率跟踪的最小值统计方法，分析了语音信号频谱的整体变化。当发生突变时暂停最小值更新，避免了最小值统计抑制语音的中后段造成的失真，也消除了传统的语音检测算法出现的大量误判，实现了端点检测的软门限。同时研究了算法在定点DSP上实现的具体问题，在Blackfin系列芯片BF533上进行了优化实现。     

量测误差的时间序列分析方法

针对工程实践中实际量测误差大多并非纯白噪声特点,运用概率统计学的一个分支——时间序列分析中提供的动态数据处理的方法,采用多种的参数估计算法来对量测误差进行拟合和仿真,给出了实验室仿真过程中需叠加的量测误差的新生成办法。所用方法可以推广到对其它数据序列的处理。