摘要：在基于现场可编程门阵列(FPGA)的语谱分析研究与设计中,直接显示的语谱图不能够体现语谱的细节变化情况,针对这一问题,提出了一种适合FPGA实现的语谱图增强显示的方法。该方法通过非线性变换,将高灰度分辨率图像压缩为低灰度分辨率图像,能更好地体现语谱图的细微变化。由于人眼对灰度的分辨能力远低于对色彩的分辨能力,对灰度图像进行了伪彩色处理,并将结果通过视频图形阵列(VGA)方式显示。实验结果表明,通过该方法可以获得更多的语谱图所表达的视觉细节信息。

摘要：该文在MATLA平台上设计了一个语音信号采集和语谱图分析系统,该系统通过计算机声卡和MATLAB数据采集工具实现了语音信号的实时采集,然后利用MATLAB的语音工具箱voicebox完成了对采集的语音信号进行了频谱分析-语谱图。

摘要：为了解决高校深度学习教学活动中缺乏实际案例演示的问题,设计了利用卷积神经网络(CNN)进行鸟声识别的实验。对已有常见鸟声数据库中的鸟鸣声音频进行梅尔倒谱系数(MFCC)特征提取,利用短时傅里叶变换(STFT)结果绘制出STFT语谱图,利用Python在TensorFlow框架下构建卷积神经网络的鸟声识别系统。实验过程中既可利用MFCC和STFT语谱图中2种特征参数分别在各自训练好的网络模型下进行对比实验,也可作为创新性实验,由学生自行编程设计CNN模型实现鸟声识别,通过识别结果验证模型的优劣。

摘要：为解决小样本中文语音情感识别准确度低的问题,提出一种基于残差网络改进的中文语音情感识别网络结构AResnet。使用时域增强和频域增强生成更复杂的模拟样本扩充语音情感数据,将注意力机制引入至残差网络(residual networks)中,关注谱图中情感特征分布,提升情感识别率。在CASIA中文语音数据集上训练、测试,其结果显示,对比DCNN+LSTM、Trumpt-6网络结构,识别率分别提升约14.9%、3%,验证了AResnet在中文语音情感识别中的有效性。该方法也在英语语音数据集eNTERFACE’05上进行实验,识别准确率为92%,验证了AResnet有较好的泛化能力。

摘要：情感特征的高级表示与说话者的个性化特征之间存在较强相关性,因此以提升个性化情感识别精度为目标,设计一组融合说话者特征和语音情感特征的识别模型,利用卷积神经网络模型获取说话者类别,在融合说话人特征高阶表达的基础上,利用卷积循环神经网络训练个性化情感识别模型,结合自建的成人自然情感语料库,在多项语音情感语料库上测试识别模型性能,从而验证该模型的有效性。

摘要：语音端点检测是语音信号预处理的重要一步,其准确度对语音合成和语音识别系统的性能起着决定性的作用.根据共振峰谐波能量特征,提出一种采用图像处理技术处理语谱图的语音端点检测算法.首先去除了语谱图中的周期性干扰,然后进行滤噪与分割,最后利用高斯一阶差分滤波器提取共振峰和获取语音端点.实验结果表明,在不同信噪比的白噪声和多种突发性噪声环境下,与其他算法相比,该算法效果更好.

摘要：连续语音识别技术是人工智能领域的研究热点之一,连续语音切分是语音识别的关键环节。实现准确可靠的连续语音切分算法,能够明显提升连续语音识别系统的性能,符合目前连续语音识别系统的应用需求。论文通过分析汉语语音识别的建模单元、汉语的语言结构和发音规律,综合利用语音信号的时域特征、频域特征与倒谱域特征,依据基音周期轨迹的断点和斜率变化,设计浊音检测与多级切分算法,实现了连续汉语语音切分技术。实验表明,算法能够取得较好结果,且在噪声环境下具有较好的鲁棒性。

摘要：鉴于人眼对彩色的分辨率远远高于灰度差分辨率的特点,提出了一种利用C#程序实现伪彩色显示的新方法,该方法通过非线性映射变换函数,建立频谱幅度与颜色的对应关系,从而实现伪彩色显示,并将其用于语谱图显示及语音信号处理界面设计中;此外,还将语音播放功能加入语谱图显示过程中,实现了"可视"语言的播放。该方法编程简单,界面设计灵活,对设备的要求较低,在普通PC机上即可实现。

摘要：通过对孤立词语音识别现状的研究,提出了一种利用简化脉冲耦合神经网络PCNN和径向基函数RBF神经网络进行语音识别的新方法。利用语音信号的"可视"特性——语谱图,采用PCNN得到它的时间序列标识图作为语音信号的特征参数,辅以传统的RBF的语音识别方法,实现了孤立词语音识别。仿真结果表明,与其它方法比较,该方法能够达到较高的语音识别率。

摘要：针对社交语音由于语气、音调、语速等差异以及填充信息丢失或冗余等问题,提出一种基于时空特征的语音情感识别方法。该方法利用卷积神经网络(CNN)和双向循环神经网络(BiGRU)技术,包含空间特征提取、时间特征提取和特征融合3个模块。考虑到音频数据内容长短不一,首先对音频数据进行预处理,应用3种补零填充方法,得到不同尺度的语谱图。设计了空间特征提取方法捕获音频的局部特征,并利用时间特征提取方法获取音频数据的时间特征和前后语义关系,从而得到3个时空特征向量。此外,融合了时空特征向量并通过全连接层进行语音情感分类。利用科大讯飞语音情感数据集进行了数值实验,实验结果与传统语音情感识别模型的实验结果相比,在准确率、精确率、召回率和F1值等4项指标上均取得了较好结果。