摘要：介绍了一个三级多媒体监控系统中ISDN通信子系统的设计和实现。该系统采用了标准接口Common-ISDN-API实现对ISDN通信设备支持。该文在讨论了CAPI的特点及其结构后，分析了如何利用软件实现ISDN多B信道连接的技术，并给出了利用该结构实现的ISDN通信子系统的组成和系统架构。

摘要：介绍一个基于DSP的脱机远程视频监控终端的设计和实现,该系统采用CPLD完成图像采集的控制逻辑,以ADSP-21535为中央处理器完成图像MPEG4编码、编码数据网络传输和本地存储。介绍监控终端的系统结构与流程,以及图像采集模块和网络接口模块的软硬件设计与实现,给出了系统的性能指标。

摘要：为了提高双端发声检测算法的性能、减少切音现象,文中提出了一种基于双统计量模糊逻辑推理的双端发声检测算法,并在回声消除系统中加入了舒适噪声生成部分。文中对传统的双端发声检测算法进行了分析,指出了这些算法由于采用固定门限,不能处理双端发声检测统计量其固有的模糊性,造成了在给定的虚警概率下,漏警概率偏高的问题。算法分析和实验结果表明,该算法大大地提高了双端发声检测的性能,很好地解决了加入非线性处理后的切音问题。

摘要：介绍了一个通过三级网络结构互连的多媒体实时监控系统的设计与实现 ,并叙述Linux平台的监控终端的多线程设计思路。该系统利用纯软件进行H .2 6 3的视频编解码 ,通过LAN传送较高清晰度的监控图像 ,并借助一台本地监控主机的转发 ,实现远程监控机的PSTN/ISDN拨入 ,进行静态图像、实时视频监控、语音的传输和远程控制 ,实现多级多点视听多媒体监控和通信。

摘要：提出了一种融合自动检错的单元挑选语音合成方法。本文方法旨在设计与主观听感更加一致的单元挑选准则,以提高合成语音的自然度。首先利用众包网络平台快速大量地收集测听人对于合成语音的主观评价数据,取代了传统的利用具备语言学知识的专家收集主观评价数据的方法;然后基于这些主观评价数据,提取对应语音的音节时长、单元代价以及声学参数距离等特征,构建基于支持向量机的合成错误检测器;在合成阶段,该检测器被用来对传统单元挑选输出的N条路径行重打分,以确定最优的单元挑选序列。倾向性测听结果表明本文方法可以有效地提高合成语音的自然度。

摘要：发音动作参数描述发音过程中唇、舌、颚等发音器官的位置与运动。本文对给定文本与语音情况下中文发音动作参数的预测方法进行了研究。首先,设计并实现了基于电磁发音仪的发音动作参数采集与预处理方法,通过头部运动规整与咬合面规整保证了发音动作参数的可靠性;其次,将隐马尔科夫模型应用于中文发音动作参数预测,采用包含声学参数与发音动作参数的双流模型结构实现从声学参数到发音动作参数的映射,并且分析对比了建模过程中不同上下文属性、模型聚类方式以及流间相关性假设对于中文发音动作参数预测性能的影响。实验结果表明,当采用三音素模型、双流独立聚类并且考虑流间相关性的情况下,可以获得最优的预测性能。

摘要：介绍了基于ADI公司的单片Blackfin DSP的视频监控终端的硬件、软件的设计和实现。该视频监控终端能够对CIF格式的PAL制视频信号按MPEG-4@L3标准进行实时编码,并具有网络通信的功能。

摘要：简要讨论了嵌入式文语转换(ETTS)系统的概念。介绍了一个基于DSP实时实现的嵌入式汉语文语转换(ECTTS)系统。基于DSP实现的结果,分析了ECTTS系统的VLSI实现方案,提出了基于动态内存管理的ECTTS系统前端处理VLSI实现方案,基于解码语音帧的ECTTS系统后端合成VLSI实现框架并对ECTTS系统的VLSI实现中的存储器及总线结构进行了讨论。

摘要：为了对静态背景下的运动目标进行快速、准确的提取 ,提出了一种新的运动目标自动提取算法 .该算法在传统的亮度信息的基础上 ,通过引入色差信息来作为预分割的参考 ,取得了较好的预分割效果 ;然后通过改进传统的 canny算法 ,使之能处理含有时间关系的两帧图象 ,以此来获得物体的精细边缘 ;最后设计了一种辅助边缘提取方法 ,结合精细边缘 ,以此来得到运动物体的连续边界 .实验表明 。

摘要：在识别系统中,建模单元能够勾画一种语言的声学和语音学特性,因此对系统性能起到至关重要的作用。该文参照一些已在大词汇量连续语音识别系统(LVCSR)中取得较好效果的建模单元集,构建了新的音素建模单元集(Ne-wPS)。另外,根据NewPS中元音及其变体对前后接音素协同发音的影响,提出了基于扩展的元音三角图设计问题集(NewQS)的方法。实验表明:NewPS和NewQS结合的识别性能超越了传统的声韵母建模单元集;并且,建模单元数目大幅度的减少给系统后续模块的处理带来了便利。