语音特征

摘要： 传统导航方法只能检测出路径上存在的静止障碍物,无法检测出运动障碍物,为此提出基于深度学习的盲人避撞路径导航方法.收集语音信号,利用语音识别模型获取语音特征参数,根据语音特征参数识别出盲人输入的语音序列内容,确定盲人所要到达的目的地.构建障碍物检测模型,检测盲人所在位置与其目的地路径上障碍物的形状特征及其运动方向、速度,并计算初始位置与到达位置的距离.利用深度学习中的卷积神经网络规划出最优避撞路径,实现盲人避撞路径导航.实验结果显示,该方法检测出来的障碍物在x轴和y轴上的径向运动速度相差无几,可以实时跟踪监测障碍物的移动方向及运动速度.本研究方法所得速度与障碍物的实际运动速度基本一致,误差在0.2~0.4 cm/s之间,且在测试时间为50 min时,避障精准度达到96.5%,能够实现最优避撞路径规划及导航.

摘要： “儿化”是一种特殊的音变现象,在保山方言中使用频率较高,形成了一定的方言特色,基于共时的角度广泛搜集语料,从语音特征、词类分布、使用功能三个角度分析保山方言中的儿化现象。

摘要： 音音素是自然语言中的最小建模单元,音素识别模型的优劣直接影响关键词检索、连续语音识别的性能。本文首先针对幅度特征MSRCC和相位特征PSRCC进行了一系列对比实验研究,发现融合幅度特征和相位特征可以取得更好的识别效果;接着比较分析了几种深度神经网络的优缺点,并将它们用于音素识别,仿真实验表明基于BLSTM-CTC的声学模型相比于其他模型具有更好的识别性能。

摘要： 中国民族声乐在不断融合、发展后,保留了传统戏曲精华,同时吸收了西洋美声唱法的精粹,使得当今的民族声乐有了很大发展。民族声乐的歌唱语言有凝练美、口语美、真情实感美。民族声乐歌唱语言分为“十三辙”,这也说明民族声乐歌唱语言变化多端,随着声母、韵母不断变化咬字部位及着力点会不断发生变化。本文以民族声乐歌唱语言为点,分析了民族声乐歌唱语言的语音结构,论述了各个语音的发声部位和发声方法。再次通过论述发音器官与歌唱气息、共鸣、情感之间的关系,以及歌唱语言的特征,得出歌唱语言的研究与学习在民族声乐演唱学习中的方法论及重要性和必要性。

摘要： 抑郁症是最常见的精神障碍之一,随着抑郁症患病率的逐年递增,现有的临床研究亟需一个客观、有效的评估手段辅助抑郁症的早期识别,而结合人工智能技术的语音特征研究成为解决问题的可能。本文从语音特征和以机器学习与深度学习为代表的人工智能技术相结合的角度,综述国内外抑郁症的语音研究的现状,总结归纳基于人工智能技术的抑郁症识别研究中常用的语音特征以及对抑郁症辅助诊疗的相关研究方法。

摘要： 提出了一种基于多任务卷积神经网络(convolutional neural network, CNN)的多模态情感识别模型,在视觉和听觉模态数据中分别提取语音特征和人脸图像特征,从而提高不同情感的泛化能力和识别精度.以eNTERFACE视听情感数据集为例,对所提多任务CNN的多模态情感识别模型的有效性进行验证.结果表明,所提模型较ResNet、VGG19和集成学习模型平均准确率分别提升10.14%、9.09%和4.89%.

摘要： 针对已有测试系统存在易受噪声干扰,测试精度低的难题,为了提高测试效果,设计了一种基于复杂噪声干扰的英语口语测试系统。首先分析了当前研究进展,并采集测试信号,对信号进行去噪处理,抑制噪声的干扰,然后从信号提取特征向量,并引入隐马尔可夫模型建立信号分类器,得到测试结果。最后进行了系统性能测试,结果表明,本系统可以有效消除噪声对测试结果的干扰,获得了理想的英语口语测试结果。

摘要： 情感语音包含语义内容和情感特征,为了寻找最能表达情感的特征,采用基于Attention机制的先进LSTM网络提取语音情感相关特征:该先进LSTM网络当前时刻的输入不仅与前一时刻有关,还与先前所有时刻有关,能够提取语音片段中的所有特征;同时,使用Attention机制选取最能表达情感的特征.实验结果表明:不同参数和优化器对语音情感识别系统性能有一定影响,最优参数集大幅提升了模型性能,而选择恰当的优化器对模型进行优化,能够进一步提升语音情感识别性能.

摘要： 语音能力是学生英语学习力的基础.在初一英语语音教学中,教师可运用观察、发现、归纳等逻辑性思维过程帮助学生感悟语音规则,建构音形义关联的概念,可通过评价等批评性思维形成学生语音自我概念,可运用创新性思维巩固学生的语音能力.

摘要： 汉英口语翻译自动评分不仅仅可以提高评分的效率,同时也可以确保评分的公正客观性.本文提取了汉英口语翻译自动评分的相似度特征、句法特征和语音特征,得到了用于自动评分的11个特征.以某大学英语专业口语翻译课程考试所采集的语音信号为例,最终获得了包含8个特征的汉英口语翻译自动评分模型.结果表明,在去除特征之后,汉英口语翻译自动评分系统的性能得到了一定程度的改善.本论文的研究对汉英口语翻译自动评分研究具有一定的参考机制.

摘要： 网络中存在大量的恶意域名,恶意域名网站经常通过扫描应用软件和浏览器的漏洞,通过恶意代码嵌入的方式来盗取用户的个人信息,造成用户隐私泄露和财产损失,而通过恶意域名检测可有效隔离相关非法网站.合法的域名必须由可发音的字母组合、易读的英文单词和有一定含义的拼音构成,而恶意域名具有可发音性弱、可读性差等特征,根据合法域名和恶意域名的构成特征,提出基于语音的恶意域名检测算法.结合字符和语音特征作为恶意域名检测模型的检测特征,提出基于字符和语音特征的恶意域名检测算法.实验验证表明,基于字符和语音特征的恶意域名检测算法有较高的准确率,内存开销小,算法复杂度最低,是一种实用性较高的轻量级检测模型.

摘要： 本文对比研究了不同语音特征表示、分类模型和归一化策略在小数据集语种识别任务上的表现.并行音素识别语言模型(PPRLM)的识别得分、i-vector、SDC特征是语种识别中有效的语音特征表示,SVM和LDA是模式识别中常用的分类模型.在小数据量的东方语言识别任务中,并行音素识别语言模型和SVM结合使用,能得到最佳识别效果.

摘要： 本文分析了不同性取向男性发音人的普通话声学特征,包括基频(F0)、元音共振峰(Fl、F2)和时长.针对单音节词的统计分析发现,男同性恋(男同)在F0(包括均值、最大值、范围)、三个元音的F1和F2(尤其是低元音的Fl)、擦音或送气阻塞音的时长上,都与男异性恋(直男)有显著差异.对存在显著差异的这10个声学参数做主成分分析发现,前4个主成分贡献了82.8％的方差率.基于这4个主成分对说话人性取向做判别分析,辨别率为87.5％.此外,初步考察了朗读语篇的连续语流,发现男同直男在时长及基频上的差异都减弱,不再显著.

摘要： 自20世纪30年代始不断有上海人陆续移居到香港.他们多有一定的经济、文化和社会地位,一般生活在香港的社会高层或者中层,具有散居为主、独自经营和生活的特点.移居香港的上海人一般只在家庭内部或者同乡之间使用上海话.因此他们的上海话一般保留着他们各自时代的语言特点.本文主要研究现年70岁左右的上海老年移民的“老派”上海话词语的特点.重点观察:他们现在说的上海话里还保留了多少上海“老词语”,又流失了哪些;还保留了多少上海话的词汇语法格式,又流失了哪些;还保留了多少上海话的谚语和歇后语;还保留了多少上海话的儿歌和童谣;有多少上海话“新词语”出现在他们的语言之中.过往几十年移民到香港的上海人的后代纷纷改说粤语,而来自上海的新移民并不多,因此对香港上海人的上海话现状的研究就具有“断代”与“抢救”的性质.

摘要： 自20世纪30年代始不断有上海人陆续移居到香港.他们多有一定的经济、文化和社会地位,一般生活在香港的社会高层或者中层,具有散居为主、独自经营和生活的特点.移居香港的上海人一般只在家庭内部或者同乡之间使用上海话.因此他们的上海话一般保留着他们各自时代的语言特点.本文主要研究现年70岁左右的上海老年移民的“老派”上海话词语的特点.重点观察:他们现在说的上海话里还保留了多少上海“老词语”,又流失了哪些;还保留了多少上海话的词汇语法格式,又流失了哪些;还保留了多少上海话的谚语和歇后语;还保留了多少上海话的儿歌和童谣;有多少上海话“新词语”出现在他们的语言之中.过往几十年移民到香港的上海人的后代纷纷改说粤语,而来自上海的新移民并不多,因此对香港上海人的上海话现状的研究就具有“断代”与“抢救”的性质.

摘要： 自20世纪30年代始不断有上海人陆续移居到香港.他们多有一定的经济、文化和社会地位,一般生活在香港的社会高层或者中层,具有散居为主、独自经营和生活的特点.移居香港的上海人一般只在家庭内部或者同乡之间使用上海话.因此他们的上海话一般保留着他们各自时代的语言特点.本文主要研究现年70岁左右的上海老年移民的“老派”上海话词语的特点.重点观察:他们现在说的上海话里还保留了多少上海“老词语”,又流失了哪些;还保留了多少上海话的词汇语法格式,又流失了哪些;还保留了多少上海话的谚语和歇后语;还保留了多少上海话的儿歌和童谣;有多少上海话“新词语”出现在他们的语言之中.过往几十年移民到香港的上海人的后代纷纷改说粤语,而来自上海的新移民并不多,因此对香港上海人的上海话现状的研究就具有“断代”与“抢救”的性质.

摘要： 自20世纪30年代始不断有上海人陆续移居到香港.他们多有一定的经济、文化和社会地位,一般生活在香港的社会高层或者中层,具有散居为主、独自经营和生活的特点.移居香港的上海人一般只在家庭内部或者同乡之间使用上海话.因此他们的上海话一般保留着他们各自时代的语言特点.本文主要研究现年70岁左右的上海老年移民的“老派”上海话词语的特点.重点观察:他们现在说的上海话里还保留了多少上海“老词语”,又流失了哪些;还保留了多少上海话的词汇语法格式,又流失了哪些;还保留了多少上海话的谚语和歇后语;还保留了多少上海话的儿歌和童谣;有多少上海话“新词语”出现在他们的语言之中.过往几十年移民到香港的上海人的后代纷纷改说粤语,而来自上海的新移民并不多,因此对香港上海人的上海话现状的研究就具有“断代”与“抢救”的性质.

摘要： 《滇南本草》是一部具有广泛影响的地方性本草.《滇南本草》在记述药物的同时,也保留了不少地方方言.本文选择《滇南本草》现存最早的刻本,也是明清时期《滇南本草》内容最丰富、收载药物最多的务本,就其中的方言词进行整理和分析,以准确认识《滇南本草》记载的药物药性,进一步把握《滇南本草》治病疗疾的经验和规律.

摘要： 《滇南本草》是一部具有广泛影响的地方性本草.《滇南本草》在记述药物的同时,也保留了不少地方方言.本文选择《滇南本草》现存最早的刻本,也是明清时期《滇南本草》内容最丰富、收载药物最多的务本,就其中的方言词进行整理和分析,以准确认识《滇南本草》记载的药物药性,进一步把握《滇南本草》治病疗疾的经验和规律.

摘要： 《滇南本草》是一部具有广泛影响的地方性本草.《滇南本草》在记述药物的同时,也保留了不少地方方言.本文选择《滇南本草》现存最早的刻本,也是明清时期《滇南本草》内容最丰富、收载药物最多的务本,就其中的方言词进行整理和分析,以准确认识《滇南本草》记载的药物药性,进一步把握《滇南本草》治病疗疾的经验和规律.

摘要： 本发明公开了一种基于长时特征和短时特征的重叠语音与单人语音区分方法，包括如下步骤：读入语音；语音预处理，包括预加重、分帧、加窗；提取短时特征参数，从每帧语音中提取各种短时特征参数；提取长时特征参数，计算短时特征参数的统计特征；训练高斯混合模型：采用期望最大化算法训练四个高斯混合模型；模型融合判决：从测试语音中提取短时特征参数和长时特征参数分别作为短时特征模型和长时特征模型的输入，将这两种模型的输出概率进行加权得到总的概率输出值，根据该概率输出值的大小将测试语音判为重叠语音或单人语音，实现两者的区分。与采用短时特征的方法相比，本方法取得了更好的区分效果，区分准确率平均提高了5.9%。

摘要： 本发明公开了一种基于长时特征和短时特征的重叠语音与单人语音区分方法，包括如下步骤：读入语音；语音预处理，包括预加重、分帧、加窗；提取短时特征参数，从每帧语音中提取各种短时特征参数；提取长时特征参数，计算短时特征参数的统计特征；训练高斯混合模型：采用期望最大化算法训练四个高斯混合模型；模型融合判决：从测试语音中提取短时特征参数和长时特征参数分别作为短时特征模型和长时特征模型的输入，将这两种模型的输出概率进行加权得到总的概率输出值，根据该概率输出值的大小将测试语音判为重叠语音或单人语音，实现两者的区分。与采用短时特征的方法相比，本方法取得了更好的区分效果，区分准确率平均提高了5.9%。

摘要： 本发明涉及一种基于语音声学特征压缩的语音对抗样本防御方法。本发明的另一个技术方案是提供了一种上述的基于语音声学特征压缩的语音对抗样本防御方法的应用。考虑到图像和语音的差异以及现有的防御语音对抗样本的输入变换方法存在的局限性，本发明在语音声学特征层级而非语音波形层级对输入语音进行变换，从而实现在语音声学特征层级对语音对抗样本进行防御，在保证语音系统对正常语音的表现性能的基础上，消除语音对抗样本中的对抗扰动，防御语音对抗样本，进而提高语音系统对语音对抗样本的鲁棒性。

摘要： 本发明公开了多噪声场景下语音特征提取方法及可重构语音特征提取装置，属于语音识别的技术领域。本发明结合低通滤波器语音提取低功耗特点和梅尔滤波器语音特征提取高准确率的特点，根据底噪声阈解析判断结果及低通滤波器及神经网络的输出结果动态选择语音特征提取方式，装置通过可重构特征提取功能配置模块切换语音特征提取通道。在外界环境没有语音或有语音但信噪比较高的条件下采用低通滤波器进行语音特征提取同时进行神经网络的识别，而在信噪比较低同时有语音输入的情况下采用梅尔滤波器进行语音特征提取，降低语音特征提取的整体功耗。

摘要： 本发明提供了噪声抑制方法，提取语音特征的方法，语音识别方法和训练语音模型的方法，以及噪声抑制装置，提取语音特征的装置，语音识别装置和训练语音模型的装置。根据本发明的一个方面，提供了一种用于含噪声语音谱的噪声抑制方法，包括：根据噪声估计谱，对所述含噪声语音谱进行对数谱最小均方误差估计，以降低所述含噪声语音谱的噪声；其中，通过以下步骤计算增益函数来进行所述对数谱最小均方误差估计：利用泰勒级数累加计算所述增益函数；利用数值积分计算所述增益函数；以及合并所述泰勒级数累加的结果和所述数值积分的结果。

摘要： 本发明提供了噪声抑制方法，平滑语音谱的方法，提取语音特征的方法，语音识别方法及训练语音模型的方法和装置。本发明的噪声抑制方法通过最小均方误差估计进行，其中采用分段线性函数来近似合流超几何函数，从而能够极大的减少计算量，同时保持抑制噪声性能。此外，本发明为了避免产生能量极低的语音谱成分，在最小均方误差估计之后利用几何数列权重对语音谱在时间轴和频率轴进行平滑。此外，本发明通过调整先验SNR来控制噪声抑制和语音失真之间的平衡。

摘要： 本发明公开了多噪声场景下语音特征提取方法及可重构语音特征提取装置，属于语音识别的技术领域。本发明结合低通滤波器语音提取低功耗特点和梅尔滤波器语音特征提取高准确率的特点，根据底噪声阈解析判断结果及低通滤波器及神经网络的输出结果动态选择语音特征提取方式，装置通过可重构特征提取功能配置模块切换语音特征提取通道。在外界环境没有语音或有语音但信噪比较高的条件下采用低通滤波器进行语音特征提取同时进行神经网络的识别，而在信噪比较低同时有语音输入的情况下采用梅尔滤波器进行语音特征提取，降低语音特征提取的整体功耗。

摘要： 本发明提供了噪声抑制方法，提取语音特征的方法，语音识别方法和训练语音模型的方法，以及噪声抑制装置，提取语音特征的装置，语音识别装置和训练语音模型的装置。根据本发明的一个方面，提供了一种用于含噪声语音谱的噪声抑制方法，包括：根据噪声估计谱，对所述含噪声语音谱进行对数谱最小均方误差估计，以降低所述含噪声语音谱的噪声；其中，通过以下步骤计算增益函数来进行所述对数谱最小均方误差估计：利用泰勒级数累加计算所述增益函数；利用数值积分计算所述增益函数；以及合并所述泰勒级数累加的结果和所述数值积分的结果。

摘要： 本发明公开了基于语音特征的失语症患者语音识别算法及装置，涉及语音识别技术领域；算法包括S1构建失语症患者语料库，失语症患者语料库录制，失语症患者语料处理，失语症患者语料库标注，失语症患者语音特征分析，去除失语症患者重复发音，获得失语症患者语料库；S2语音识别，基于失语症患者语料库，识别语音；装置包括构建失语症患者语料库模块，用于控制器获得失语症患者语料库，处理失语症患者语料，标注失语症患者语料库，分析失语症患者语音特征，去除失语症患者重复发音，获得失语症患者语料库；语音识别模块，用于控制器基于失语症患者语料库，识别语音；其通过构建失语症患者语料库模块和语音识别模块等，实现语音识别效果较好。

摘要： 本申请涉及人工智能技术，提出了一种特征解耦模型的训练、语音解耦、语音合成的方法及设备，该方法包括：将样本音频的第一频谱特征输入至预训练的语音特征解耦模型的节奏编码器进行编码得到节奏编码；利用模型的内容编码器对第一频谱特征进行编码得到内容编码；利用模型的音高编码器对音高轮廓特征进行编码得到音高编码；通过模型的解码器对输入至解码器中的节奏编码、内容编码、音高编码、用户身份特征进行解码得到第二频谱特征；根据计算得到的重构损失函数和正交损失函数得到整体损失函数；根据整体损失函数计算梯度迭代更新模型参数，直至达到收敛条件，得到已训练的语音特征解耦模型。本申请可以优化语音特征解耦达到充分解耦的目的。