声音识别

摘要： 煤矿带式输送机运输系统人工巡检工作强度大,特别是大坡度带式输送机巡检易受落煤、飞石等影响,具有一定的危险性。因此,设计了煤矿悬挂式巡检机器人智能传感与控制系统,研究了系统整体架构和各类传感器布置方式,重点探讨了巡检机器人图像采集、语音识别、环境感知和无线通讯模块的功能设计和参数优化。开展了煤矿现场工业性试验,验证了机器人智能传感与控制系统性能,结果表明:该系统能够实现仪表数据识别、旋钮状态识别、胶带跑偏识别、火焰识别、声音检测、异常报警等功能,具备煤矿运输系统状态的地上、智能手机端的全面感知和实时监控能力。采用巡检机器人替人,可实现低温、粉尘、低照度等恶劣环境下的连续巡检作业,有效避免漏检、错检等问题。

摘要： 基于深度学习的方法,利用多模态信息融合技术,将汽车等目标的声音、图像信息融合,用于对测试目标的判断。利用改进Inception网络对图像识别技术展开研究,分别比较了单纯图像信息情况的辨识、单纯声音信息情况的辨识,以及多模态融合情况下的辨识。通过试验分析和比较,证明该方法可以有效提高用户的图像识别能力,将特种车辆的平均识别精确度提升到97%以上,可用于特种车辆紧急避让等情况,具有很好的应用价值。

摘要： 为实现非接触式的电厂设备状态监测,文中提出一种将梅尔频率倒谱系数(MFCC)和翻转梅尔频率倒谱系数(IMFCC)两种特征中的部分特征联合作为特征参数,利用多分类支持向量机(SVM)进行参数分类的识别方法。该方法首先对数据集中的声音信号进行预处理操作;然后通过两种特征提取方法生成特征参数,计算生成两种特征每一维的类内均值和类间方差;最后根据阈值选择特征,对选择的两种特征进行线性叠加,从而得到融合特征。实验结果表明,在ESC-50部分数据集和电厂采集数据集上,相对于另外两种特征,融合特征维数更少,识别率更高,并且在训练样本较少的情况下能达到更好的分类效果。

摘要： 针对目前生活中普遍存在的老人和儿童独自在家发生意外时无法报警或报警不及时等问题,文中提出了一种基于卷积神经网络的语音识别报警系统。系统主要由GSM模块、麦克风阵列、树莓派和语音识别模块等组成。卷积神经网络能够在时间与空间上具有平移不变的卷积特点,因此可以对外界环境以及说话者的多样性进行克服性处理,提高语音识别率。实验证明,该报警系统方便快捷可靠,在室内环境中能对求救者的语音信号进行准确识别,并快速通知指定联系人,减少了紧急情况下无法及时报警带来的损失,对保护家庭成员的安全具有重要意义,可在家庭中推广使用。

摘要： 当今时代,人类的乱砍滥伐造成生态环境恶化和温室效应加剧,对野生动物肆意捕杀将会加剧珍稀动物的灭绝速度。在进行森林保护和野生动物保护的过程中融入科学发展观念,能够有效地阻止非法采伐和捕杀野生动物的行为发生。基于深度学习与声音识别的护林系统,采用先进的深度学习技术[1],数据采集终端以回收的旧手机为核心,通过太阳能和风能为终端设备提供长时间的电能供应,符合可持续发展的建设理念[2]。

摘要： 我们遇见的第一天,医生告诉我说:现在的人工智能,最重要的不是智能,而是人工。当时我尚未涉足这一行,对他说的话似懂非懂。于是,他把我带到公司的最高一层,这里是识图AI的训练场,被分割成一个个隔音小房间,里面坐着来自附近城中村的女工们。她们或年老或年少,有些人握着鼠标的手尚且笨拙。一幅幅图片在屏幕上闪过,她们点击这些图片,对着麦克风大声读出这些图片里物件的名字。这些声音被收集起来,汇总到数据中心,变成一片小小的碎片,并会在下一个流程中化作支撑AI声音识别的一块砖瓦。

摘要： 叫声是评估生猪福利水平的重要方式之一。本文首先分析了生猪叫声与福利之间的相互关系。其中,与生猪福利密切相关的三种生猪叫声包括咳嗽声、尖叫声和呼噜声。基于这三种声音进一步分析声音与环境,声音与身体状况,以及声音与健康之间的关系。随后,对当下的生猪福利监测所采用的传感器,包括穿戴式与非接触式两大类进行分析,并简述不同方式的优劣势。基于非接触式的优势及麦克风传感器技术的可行性,从声音的获取和标记、特征提取以及声音分类三个方面对现有的生猪声音处理技术进行了阐述和评估。最后,从声音监测技术、生猪个体福利监测、商业应用以及养猪从业者四个角度讨论了叫声在生猪福利监测中面临的研究困境以及发展趋势。研究发现,目前关于生猪声音分析的研究大多集中在分类器的选择和识别算法的改进上,而对端点检测和特征选择的研究较少。同时,当下面临的主要挑战还包括不同生长阶段的音频数据获取难度较高,缺乏公共的猪舍内音频数据库以及缺少完善的声音指标与动物福利监测评价体系。总体来说,建议进一步对声音识别过程中涉及的各部分技术进行深入探索,同时加强跨学科专家之间的合作,共同推动声音监测在生猪实际生产中的应用,从而加快精准畜牧业的实现。

摘要： 隧道衬砌空洞敲击检查方法是目前铁路隧道中应用最多的检查方法,但其空洞识别和数据的记录均靠人工完成。为实现铁路隧道空洞敲击检查声音智能识别,将采集到的隧道敲击检查音频文件进行预处理,选取645个声音样本,提取24维梅尔频率倒谱系数(Mel frequency cepstrum coefficients,MFCC)作为声音样本的声学特征参数,通过集成算法(梯度提升决策树GBDT)训练样本声学特征,建立隧道空洞敲击检查声音分类模型,最后将该模型应用于实际铁路隧道空洞敲击检查声音识别分类。实例研究表明:与优化的支持向量机(cross-validation-support vector machine,CV-SVM)模型和改进径向基神经网络(particle swarm optimization algorithm-radial basis function neural network,PSO-RBF)模型相比,GBDT集成算法模型具有更高的准确率和更少的运算时间,在面对异常数据时具有更强的稳定性,能够准确地根据铁路隧道空洞敲击检查声音诊断衬砌后是否存在空洞。

摘要： 为实现铁路隧道二次衬砌背后空洞智能诊断,基于声音识别技术,建立隧道空洞敲击检查声音智能识别模型。收集645段检查锤敲击衬砌的声音样本,运用信号特征分析的基本方法,分析有空洞和无空洞状态下声音信号的时域和频域特征,并提取24维梅尔频率倒谱系数作为机器学习数据集。用主成分分析法降维,经混合粒子群算法优化的支持向量机训练后,建立铁路隧道空洞敲击检查声音智能识别模型,将该模型应用于实际铁路隧道验证其有效性。建立的声音识别模型训练时长为31 s,准确率达95.56%,且能准确对实际工程中的声音样本做出分类。研究结果表明:对2种状态下的声音样本时域特征和频域特征进行对比和分析,不同状态下短时能量和声纹都出现明显的不同。运用PCA-混合PSO-SVM建立的声音识别模型,有着较高的准确率和较快的训练速度,能够根据敲击检查声音准确判断出隧道背后是否存在空洞,如何根据声音特征判断衬砌背后空洞的大小和深度等,将是下一步研究的重点。目前铁路隧道快速无损检测还无法大范围普及,人工检查仍是使用最广泛的检查方法,通过研究敲击检查声音智能识别,为隧道智能化诊断做出新的探索,对加快人工检查速度、提高信息化程度和实现无纸化作业有着重要的意义。

摘要： 针对在城市公园、广场和大型游乐场等公共环境中,雷达和无线电识别无人机易受到电子干扰、图像识别无人机易受到光线和遮挡物干扰的问题,提出了一种经济便捷、不易受到干扰的运用声音和采用通道空间混合域注意力机制多尺度分组卷积网络(ECSANet)的无人机识别方法。首先,建立民用的9大类无人机声音数据集,提取数据集的对数梅尔谱图及其动态特征;其次,为了网络参数量少,避免过拟合,设计了基于分组卷积、通道混洗和残差结构的通道混洗多尺度分组卷积网络(MSSGNet);然后,为了能更多、更有效地提取无人机声音特征,设计了通道空间混合域注意力机制模块(ECSA);最后,将ECSA模块插入MSSGNet网络构成改进的通道空间混合域注意力机制的多尺度分组卷积网络(ECSANet),形成新型声音识别无人机的方法。运用设计的ECSANet网络对自建的民用无人机声音数据集和Urbansound8K环境声音数据集进行了声音识别,识别结果表明:与ResNet18、ResNet34、ResNeXt18和MobileNetV2等基准网络相比,MSSGNet网络参数更少,识别准确率更高,达到了95.1%;ECSA模块可以插入多种网络,在不增加很多参数的情况下令网络模型的识别准确率获得提升,在无人机等声音分类任务上具有很好的效果;与MSSGNet网络相比,改进的ECSANet网络识别准确率能达到95.9%,提高了0.8%,表明了该网络在识别小样本无人机方面的优越性和可行性。

摘要： 针对猪患呼吸道或肺部疾病难以被发现的问题,对猪患病时发出的咳嗽声音进行了研究,提出了基于HMM的猪咳嗽声音识别方案.用语音信号的HMM状态数进行研究猪咳嗽声,通过解决识别性问题、确定观察字符序列匹配的状态序列以及模型训练问题,对猪咳嗽声音做出识别和分析,实现对猪患呼吸疾病的诊断.经过大型养猪场试验验证表明,利用此方案能有效且快速的识别猪咳嗽声音,对猪病情的判断提供重要的信息.

摘要： 阐述了通过测量结构在激励下产生的声音,进行模态识别的新方法.并将其与同一条件下所测试得到的位移模态进行比较,分析其异同点.最后阐述了声音模态识别的作用范围和前景.

摘要： 本研究在传感器网络中多个地面车辆同时出现的情况下,通过独立分量分析的方法,把它们的卷积混合信号分离为单独的声源信号,在保持了混合前信号的频谱特征的前提下,使得信号的信噪比提高了21dB左右,为下一步的分类算法打下了基础。

摘要： 本研究在传感器网络中多个地面车辆同时出现的情况下,通过独立分量分析的方法,把它们的卷积混合信号分离为单独的声源信号,在保持了混合前信号的频谱特征的前提下,使得信号的信噪比提高了21dB左右,为下一步的分类算法打下了基础。

摘要： 本研究在传感器网络中多个地面车辆同时出现的情况下,通过独立分量分析的方法,把它们的卷积混合信号分离为单独的声源信号,在保持了混合前信号的频谱特征的前提下,使得信号的信噪比提高了21dB左右,为下一步的分类算法打下了基础。

摘要： 本研究在传感器网络中多个地面车辆同时出现的情况下,通过独立分量分析的方法,把它们的卷积混合信号分离为单独的声源信号,在保持了混合前信号的频谱特征的前提下,使得信号的信噪比提高了21dB左右,为下一步的分类算法打下了基础。

摘要： 本研究在传感器网络中多个地面车辆同时出现的情况下,通过独立分量分析的方法,把它们的卷积混合信号分离为单独的声源信号,在保持了混合前信号的频谱特征的前提下,使得信号的信噪比提高了21dB左右,为下一步的分类算法打下了基础。

摘要： 本研究针对多任务模式所引发的竞争同步问题,从任务调度和通信机制出发,使用优先级设置保证系统对任务的快速响应,使用信号量和消息队列保证任务间的协调通信。另外,消息队列的缓冲机制保证了数据传输的可靠性。实际运行表明,在无人值守的情况下,该系统可长时间连续稳定运行,具有很高的可靠性和稳定性。

摘要： 本研究针对多任务模式所引发的竞争同步问题,从任务调度和通信机制出发,使用优先级设置保证系统对任务的快速响应,使用信号量和消息队列保证任务间的协调通信。另外,消息队列的缓冲机制保证了数据传输的可靠性。实际运行表明,在无人值守的情况下,该系统可长时间连续稳定运行,具有很高的可靠性和稳定性。

摘要： 本研究针对多任务模式所引发的竞争同步问题,从任务调度和通信机制出发,使用优先级设置保证系统对任务的快速响应,使用信号量和消息队列保证任务间的协调通信。另外,消息队列的缓冲机制保证了数据传输的可靠性。实际运行表明,在无人值守的情况下,该系统可长时间连续稳定运行,具有很高的可靠性和稳定性。

摘要： 根据本发明，包括：用户词典，该用户词典登记有输入声音的音素标签串；以及语言间音响数据映射表，该语言间音响数据映射表对语言之间的音素标签的对应关系进行了规定，参照语言间音响数据映射表，将登记到用户词典的音素标签串从制作用户词典时的语言的音素标签串转换成切换后的语言的音素标签串。

摘要： 本发明提供声音识别服务器、电话机、声音识别系统以及声音识别方法。声音识别服务器(200)具备：声音接收部(202)，其接收来自电话机(100)的声音；模型存储部(208)，其存储用于将声音接收部(202)所接收的声音转换为字符的一个以上的声学模型以及一个以上的语言模型；号码判定部(204)，其判定电话机(100)的当前呼出号码以及其它号码；模型选择部(206)，其根据当前呼出号码以及其它号码选择模型存储部(208)中存储的声学模型，且根据当前呼出号码选择模型存储部(208)中存储的语言模型；和声音识别部(210)，其根据模型选择部(206)所选择的声学模型以及语言模型，将声音接收部(202)所接收的声音转换为字符。

摘要： 本发明涉及一种声音识别方法，对声音采样信号X进行一阶差分计算，获取一阶差分数据组Y，进而将一阶差分数据组Y中各一阶差分数据yj与一阶差分数据阈值yth进行比较计算而获取一阶差分特征数据组VY＝[v1,v2,...,vj,...vn]，获取一阶差分特征数据组中vj＝K2的序号数据组，进而获取待识别声音信号的识别特征向量V，将该待识别声音信号的识别特征向量V与声音模板特征向量Vsam进行契合度比较计算，进而确定待识别的声音信号内容。该声音识别方法能够有效减少数据处理量。本发明还涉及一种应用有该声音识别方法的吸油烟机的控制方法，吸油烟机根据识别的声音内容对吸油烟机进行操作控制。该吸油烟机的自动控制方法的声音识别性能好、成本低。

摘要： 实施方式涉及声音识别纠错装置、声音识别纠错方法以及声音识别纠错程序。提供自动地纠正声音识别结果的错误的声音识别纠错技术。根据实施方式，纠错部计算作为对新的一系列的声音数据进行声音识别而得到的结果的纠错对象的声音识别结果列和修正网络保持部中保持的修正网络的差分，如果表示该差分的值在阈值以下，则使用修正网络进行针对纠错对象的声音识别结果列中的声音识别的错误部分的纠错，生成声音识别纠错结果列。

摘要： 本发明的声音识别装置(100)包括：声音识别部(14)，该声音识别部(14)针对就座于车辆(1)的声音识别对象座位的多位乘客中的发话者的操作输入用的发话声音执行声音识别；发话者确定部(15)，该发话者确定部(15)执行对发话者个人进行确定的个人确定处理或对发话者就座的座位进行确定的座位确定处理中的至少一个；以及响应方式设定部(17)，该响应方式设定部(17)执行根据发话者确定部(15)的确定结果来设定针对发话者的响应方式的响应方式设定处理，响应方式设定处理为将响应方式设定成多位乘客各自可识别响应是否是针对自己本身的响应的方式的处理。

摘要： 本发明提供声音识别装置、声音识别方法以及声音识别程序。该声音识别装置(1)具有声音核对部(17)，声音核对部(17)计算由声音分析部(11)转换的特征量和由词模型生成部(16)生成的词模型之间的各时刻的相似度。声音核对部(17)提取由词模型生成部(16)生成的词模型中的这样的词模型：在各时刻的相似度中最小的相似度或者由各时刻的相似度获得的整体相似度满足第2阈值条件，且说话声音的发声区间中、对应于与第1阈值条件对应的音素或音素串的区间内的各时刻的相似度满足第1阈值条件，声音核对部(17)将与提取出的词模型对应的识别词作为识别结果来输出。

摘要： 本发明提供声音识别服务器、电话机、声音识别系统以及声音识别方法。声音识别服务器(200)具备：声音接收部(202)，其接收来自电话机(100)的声音；模型存储部(208)，其存储用于将声音接收部(202)所接收的声音转换为字符的一个以上的声学模型以及一个以上的语言模型；号码判定部(204)，其判定电话机(100)的当前呼出号码以及其它号码；模型选择部(206)，其根据当前呼出号码以及其它号码选择模型存储部(208)中存储的声学模型，且根据当前呼出号码选择模型存储部(208)中存储的语言模型；和声音识别部(210)，其根据模型选择部(206)所选择的声学模型以及语言模型，将声音接收部(202)所接收的声音转换为字符。

摘要： 提供一种可以实现超出1个装置中的词汇进行声音识别和使保存在1个装置中的词汇维持在适合的词汇中的至少一方的声音识别系统、装置、声音识别方法、声音识别程序以及记录声音识别程序的计算机可读取的记录介质。由声音识别引擎识别客户机接收的声音数据，当其识别结果为驳回时，将声音数据传送给服务器，并将在服务器中的识别结果传送给客户机，客户机根据识别次数对识别词典进行更新，并且在结果综合部中进行识别结果的综合。也可以用客户机替代服务器。

摘要： 声音识别装置具有：多个噪声抑制部(3)，其对输入的噪声声音数据进行方法彼此不同的噪声抑制处理；声音识别部(4)，其进行抑制了噪声信号后的声音数据的声音识别；预测部(2)，其根据输入的噪声声音数据的声学特征量，预测在由多个噪声抑制部(3)对噪声声音数据分别进行了噪声抑制处理的情况下得到的声音识别率；以及抑制方法选择部(2)，其根据预测出的声音识别率，从多个噪声抑制部中选择对噪声声音数据进行噪声抑制处理的噪声抑制部(3)。

摘要： 本公开提供了一种声音识别方法、声音识别装置及电子设备。该方法包括获取年龄处于目标年龄段内的用户对象的音频信息，其中，用户对象通过声音特点来表达需求；对音频信息进行预处理，得到目标音频信息；对目标音频信息进行特征提取，得到对数梅尔频谱特征；按照预设信号处理规则对对数梅尔频谱特征进行处理，得到初始二维矩阵；利用预设差分处理规则处理初始二维矩阵，得到目标二维矩阵；根据目标二维矩阵和初始二维矩阵，生成三维张量；以及将三维张量输入分类器识别模块，输出预测结果，其中，预测结果用于表征用户对象的需求。