蒋文建
- 作品数：8 被引量：43H指数：4
- 供职机构：华南理工大学电子与信息学院无线电与自动控制研究所更多>>
- 发文基金：国家自然科学基金教育部留学回国人员科研启动基金国家教育部博士点基金更多>>
- 相关领域：电子电信更多>>
- 噪声下差分复合子带语音识别方法被引量：7
- 2002年
- 本文根据子带特征反映语音信号局部特性和全带特征反映语音信号整体特性的事实,提出了一种差分复合子带语音识别新方法。先用频谱差分减少噪声的干扰,再将多子带特征识别概率与全带特征识别概率相结合进行综合判决,以得到最终识别结果。将新方法应用于TIMIT数据包0～9十个英文数字和E-Set在NoiseX92的白噪声和F16战机噪声下的识别实验。实验结果表明新方法比传统方法识别性能有很大提高。
- 蒋文建韦岗
- 关键词：语音识别噪声
- 噪声环境下语音识别新算法研究
- 该文根据人耳的听觉机理,研究噪声环境下语音识别的新算法,主要工作如下:(1)提出了一种基于人耳听觉掩蔽特性的抗噪声特征提取方法.(2)根据人耳听觉系统的响度特性,即人耳以不同频率的语音分量的感知特性不同,提出了一种基于人...
- 蒋文建
- 关键词：语音识别噪声子带多数据流多时间尺度
- 文献传递
- 一种多层子带的噪声语音识别新方法被引量：6
- 2002年
- 根据不同尺度子带特征反映语音的不同细节特性 ,提出一种噪声下的多层子带 ( MLS)语音识别方法。将语音频谱分成多层多个子带 ,首先各子带分别单独进行识别 ,然后将各层各子带识别概率综合起来得到最终识别结果。将新方法应用于 TIMIT数据包 E-Set在 Noise X92白噪声和 F1 6噪声下的识别实验。实验结果表明 ,多层子带方法在噪声环境和无噪情况下识别性能都有很大提高。
- 蒋文建韦岗
- 关键词：语音识别噪声子带频谱语音模型
- 隐马尔可夫模型及其在时间序列识别中的应用
- 隐马尔可夫模型(HMM)是信号处理的一种重要的模型,在现代信号处理中得到广泛的应用.该文将HMM用于时间序列的识别.1、细致地研究了HMM的原理,详细推导了解决HMM三个基本问题的算法.2、建立了一套实时汉语语音识别实验...
- 蒋文建
- 关键词：隐马尔可夫模型时间序列语音识别子波变换
- 多数据流子带噪声语音识别方法被引量：2
- 2001年
- 提出一种噪声下的多数据流子带语音识别方法。传统的子带特征方法虽然能提高噪声下的语音识别性能,但通常会使无噪声情况下的识别性能下降。新方法提取感知线性预测(PLP)特征和子带特征,分别进行识别,然后在识别概率层将两者相结合。通过E-Set在NoiseX92下的白噪声的识别实验表明,新方法不仅具有更好的抗噪性能,而且同时能提高无噪声情况下的识别性能。
- 蒋文建韦岗
- 关键词：语音识别噪声多数据流子带隐马尔可夫模型
- 基于响度特性加权的噪声下语音识别方法被引量：9
- 2001年
- 提出了一种将人耳听觉响度特性应用于噪声下语音识别的前端特征提取方法。本文使用分层遗传算法设计响度加权滤波器,对频谱进行听觉特性加权。将本方法应用于TIMIT数据包的E-SET在NoiseX92的各种噪声条件下的识别实验。实验结果表明,在各种噪声的不同信噪比下,对LPCC和MFCC特征,采用响度加权平均识别率分别有7%和11%的提高,证明本方法是有效的。
- 蒋文建林耀荣韦岗
- 关键词：噪声语音识别加权语音信号处理遗传算法
- 基于多时间尺度复合子带噪声语音识别新方法
- 2001年
- 本文根据多时间尺度分析与子带方法 ,提出了一种多时间尺度复合子带的噪声环境下语音识别新方法 .新方法在不同的时间尺度下分别进行子带特征提取和全带特征提取 ,并分别进行识别 ,然后在识别概率层相结合得到最终识别结果 .本方法兼有多时间尺度方法和子带方法的抗噪性能 .此外 ,进一步引入频谱差分方法提高语音特征的抗噪性能 .对E SET在NoiseX92下白噪声的识别实验表明 。
- 蒋文建韦岗
- 关键词：语音识别噪声子带多时间尺度
- 基于掩蔽特性的噪声环境下语音识别新特征被引量：21
- 2001年
- 语音识别系统的识别率在噪声环境中下降很大。本文根据人耳的听觉特性，提出一种基于人耳听觉掩蔽特性的抗噪声特征提取方法。该方法先求取噪声语音的掩蔽特性，在此基础上再计算Ｍｅｌ倒谱系数用于语音识别。通过对ＴＩＭＩＴ数据包的 ０～９十个英语数字在 ＮｏｉｓｅＸ９２的各种噪声下进行了识别试验。其中在信噪比 ０ｄＢ条件下，在 ３种噪声条件下识别率平均提高 １５２％，实验表明新方法对于各种噪声环境下的识别率有显著提高。
- 蒋文建韦岗
- 关键词：语音识别系统识别率噪声环境特征提取
