导读:本文包含了语音处理论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:语音,声源,多项式,平台,滤波器,终端,阵列。
语音处理论文文献综述
杨奕堂[1]（2019）在《一种适用于空管的语音处理方法的验证与实现》一文中研究指出浅析维格纳变换、短时傅里叶变换和局部多项式傅里叶变换在语音分析处理中的作用和意义,特别是局部多项式傅里叶变换相对于前两种变换的优势,最终通过C#和matlab混合编程对其在空管地空通信语音处理的应用进行验证和实现,为空管语音通信的相关技术研发和技术维护提供一种参考。(本文来源于《中国民航飞行学院学报》期刊2019年05期）
许铭[2]（2019）在《车载环境下语音处理关键技术的研究》一文中研究指出随着科技和经济的发展,语音控制系统已成为车载设备中必不可少的组成部分。车载语音控制设备所接收的语音命令,不同程度上上受到行车环境噪声的干扰,严重时甚至会造成车载设备失灵。因此,车载语音处理技术已成为人工智能领域的研究重点。论文分析了车载环境下传统语音增强算法的局限性,阐述了传统语音增强算法的基本原理及其特点,实验研究了传统算法存在的问题,进而提出了将基于非负矩阵分解的语音增强算法应用于车载环境中,并针对该算法展开了进一步的研究。论文针对频域单通道非负矩阵类语音增强算法的局限性,重点研究了基于复频域与凸包卷积类非负矩阵语音增强算法,并对行车环境下接收到的带噪语音进行处理。首先,论文采用KL散度模型对传统的复非负矩阵算法进行改进,提出了一种基于KL散度模型的复非负矩阵分解的语音增强模型,利用频域一致性约束改进传统相位谱补偿算法的调制频谱对相位谱进行修正。其次,论文还提出了一种基于离散小波包变换的凸包聚类卷积非负矩阵分解的语音增强模型,采用离散小波包变换将语音信号在时域中处理,克服了由于短时傅里叶变换造成的语音失真,并对凸包卷积非负矩阵分解算法进行改进,将其应用于车载环境下的语音增强。仿真实验结果验证了上述两种方法的有效性。最后,针对提出的车载环境中的应用问题,论文提出了两种多通道语音处理模型。第一种方法为基于非负矩阵分解的无监督多通道语音增强方法,即利用非负矩阵分解类算法构建波束形成阻塞矩阵模块,有效地避免阻塞矩阵构造不合适而造成的阻塞剩余和期望信号相消等缺点。第二种方法为基于统计模型的语音源分离和增强方法,即将非负矩阵分解算法分别引入基于统计模型的语音增强算法与广义互相关延时估计模型中,在避免利用先验信息的同时构建了新的角度谱函数,实现车载带噪语音信号分离和增强。实验结果表明在实际的车载噪声干扰下,论文提出的算法均能够降低或抑制了车载噪声干扰,减少失真,提高语音质量和可懂度。(本文来源于《辽宁工业大学》期刊2019-03-01）
严昭军[3]（2018）在《基于TMS320C5509 DSP的语音处理系统平台硬件设计》一文中研究指出将TMS320C5509型DSP芯片作为核心,完善语言处理系统平台的硬件部分设计,有助于提升对语音处理的灵敏度,对降低硬件部分的设计成本具有重要帮助。本文在对语音处理系统进行综合阐述的基础上,分析了基于TMS320C5509 DSP的语音处理系统硬件设计方案,以期为相关人士提供借鉴和参考。(本文来源于《数码世界》期刊2018年06期）
薛一鸣,陈鹞,何宁宁,胡彩娥,王建平[4]（2018）在《基于DFT滤波器组的低时延FPGA语音处理实现研究》一文中研究指出提出了WOLA(Weighted Overlap-Add)并行结构的低时延DFT滤波器组的设计和FPGA实现方法.为降低系统总体时延,在综合考虑传递失真、混迭失真的基础上,将群时延引入系统目标函数,并采用非对称综合原型滤波器设计方法,提出迭代算法,实现了DFT滤波器组低时延优化设计.通过对DFT滤波器组中分析和综合功能的关键模块采用多路并行乘法、多级流水加法链设计,实现了并行的WOLA结构DFT滤波器组,降低FPGA实现的计算时延.整个设计在Xilinx公司的Zynq7020型号FPGA芯片上进行实现.PESQ测试表明,设计的DFT滤波器组能取得较好的语音质量.与串行WOLA结构的实现对比表明,在16k Hz语音采样率下,并行的WOLA结构FPGA实现的总时延能降低1.192ms,其中群时延降低12%,计算时延降低29.2%.(本文来源于《电子学报》期刊2018年03期）
潘荔霞,徐文斌,任迎春,李世宝[5]（2017）在《基于语音处理的外语听力移动学习平台构建》一文中研究指出移动互联网的飞速发展,促进了外语听力与移动学习的结合。针对现有听力移动学习平台存在交互不方便、反馈不实时、缺乏个性化等弊端,提出了一种基于语音处理的外语听力移动学习平台。将语音处理技术引入到移动学习中,通过语音识别对学生进行身份确认、听力材料获取、语音答题,实现非接触式的人机交互;同时通过数据统计分析实现自动评测和个性化听力材料推荐,并为教师课内教学提供参考数据。经线上运行测试,学生参与课后听力学习的积极性明显提高,综合听力水平有较大幅度上升。(本文来源于《实验室研究与探索》期刊2017年11期）
李岚霞[6]（2017）在《面向移动互联网的实时语音处理技术研究与实现》一文中研究指出在4G网络已经成熟,5G网络将于2020年投入商用的高速移动互联的时代,基于实时语音的移动应用软件将逐步取代传统语音通讯方式。本文将围绕实时语音处理技术进行研究,首先对课题的研究背景、研究现状以及相关技术进行介绍,之后,在明确了SIP协议基本原理的基础上,实现了SIP协议栈,将其设计为叁层:会话层、事务层和传输层,分别完成生成、转发以及传输SIP消息的功能,同时对提供路由、鉴权等服务的OpenSIPS服务器完成搭建,用于与SIP协议栈进行SIP消息交互,以实现语音会话的建立和释放等功能。接着以Android为平台将客户端设计为用户界面、通信模块和语音模块叁个部分,用户界面使用Activity组件实现,通信模块使用SIP协议栈与服务器交互的同时还承担着传输语音数据的责任,此模块主要包含注册服务和用户事件两个方法。语音模块实现了语音数据的发送接收、录制播放以及压缩解压缩的功能。最后提出了语音编解码对网络的自适应方案,通过Android开发中的广播机制实时对网络状态进行监听,通过广播的变化来实时切换两种语音编解码算法,实现语音编解码自动切换功能。通过对实时语音处理技术的分析及研究,并在此基础上提出自适应语音编解码算法的创新点,本文实现了基于移动互联网的实时语音通话系统,可广泛应用于移动社交以及语音通信系统等场景中。(本文来源于《暨南大学》期刊2017-06-20）
陈沁,李仄立,巩朋成[7]（2017）在《一种基于VC5509和CCSLink的DSP及语音处理一体化实验平台》一文中研究指出本文发明了一种基于VC5509和CCSLink的DSP及语音处理一体化实验平台,主要解决了Matlab与DSP之间的直接转换以及调用。该实验平台设计采用模块化思想,包括:采集模块、控制模块、处理模块、显示模块。本发明将Matlab、DSP、语音信号处理的实验平台集成化,形成一个集成一体化的实验平台。该平台不仅能够满足实验教学使用,而且能够进行项目开发,其功能完善,操作和应用都极为方便。(本文来源于《电子科学技术》期刊2017年03期）
冯为江[8]（2016）在《基于深度学习的两类典型语音处理问题研究》一文中研究指出深度学习是人工智能领域最前沿的研究问题之一,在计算机视觉、语音处理、机器人控制、生物信息学等领域取得了惊人的进展。深度学习模拟人脑进行分析学习,通过抽象、组合简单的概念形成复杂的概念。相较于传统的机器学习算法,深度学习无需手工设计特征。本文基于深度学习研究语音处理中的两种典型应用问题,即语音匹配和结合听觉视觉的语音识别。从应用上讲,语音匹配与语音识别是语音处理的关键技术,广泛应用于语音检索与情报分析,研究深度学习在这两类问题上的应用具有重大的商业与军事应用价值。从理论上讲,语音匹配和语音识别分别是语音处理中的无监督问题和监督问题,研究这两类问题上的深度学习模型具有重要的学术价值。本文创新点如下:一、针对传统语音匹配算法泛化能力差的缺点,本文提出使用卷积深度置信网络(Convolutional Deep Belief Network,CDBN)进行语音特征的提取。CDBN结合了卷积神经网络有效处理高维数据以及深度置信网络无监督学习的优点,可以无监督地从高维语音数据中提取泛化能力强的特征。基于CDBN提取的二值特征,本文提出一种更加快速的语音特征匹配算法。实验结果表明,相对于基于色度能量归一化统计(Chroma Energy Normalized Statistics,CENS)特征的传统语音匹配算法,基于CDBN的语音匹配算法大大提高了语音匹配的命中率。二、针对音频信息与视频信息的时序性特性,本文提出一种多模态递归神经网络(Recurrent Neural Network,RNN)框架用于结合音频和视频的语音识别。该框架包含一个听觉部分用于处理音频数据,一个视觉部分用于处理视频数据,以及一个融合部分用于结合听觉部分和视觉部分。实验结果表明,基于多模态RNN的语音识别系统,成功融合音频和视频两种特征,有效提高仅基于音频数据的语音识别准确率,尤其是对于信噪比较低的数据,语音识别准确率得到较大提升。(本文来源于《国防科学技术大学》期刊2016-11-01）
周城旭,王冬霞,吕义,张东旭[9]（2016）在《LabVIEW阵列语音处理系统实验平台设计》一文中研究指出介绍了基于LabVIEW麦克风阵列语音处理系统实验平台的设计。该平台LabVIEW的前面板采用模块化设计,包括语音采集模块、语音分析模块和语音增强模块叁部分。采集模块利用PXI设备对语音源信号进行阵列同步实时采集;分析模块对采集到的语音信号进行语音特征分析,前面板还设置帧长和帧间重迭数等参数调节模块;增强模块采用阵列波束形成算法对采集模块采集到的语音信号进行增强处理。该模块采用LabVIEW与Matlab相结合,即利用LabVIEW前面板调用阵列波束形成Matlab程序包来完成,阵列波束形成算法也可以自行修改。计算机仿真实验结果验证了该实验平台的有效性。(本文来源于《实验室研究与探索》期刊2016年09期）
于永江,王菲[10]（2016）在《基于DSP的语音处理教学实验平台设计》一文中研究指出为了帮助学生深入学习DSP实验教学中语音处理这一教学难点,文中介绍了一种基TMS320C5402的通用语音处理教学实验平台,以配合理论和实验教学。该系统采用TI的TMS320C5402作为处理器,选用TLC320AD50作为语音模块,实现对语音信号实时快速处理。(本文来源于《电子测试》期刊2016年17期）
语音处理论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着科技和经济的发展,语音控制系统已成为车载设备中必不可少的组成部分。车载语音控制设备所接收的语音命令,不同程度上上受到行车环境噪声的干扰,严重时甚至会造成车载设备失灵。因此,车载语音处理技术已成为人工智能领域的研究重点。论文分析了车载环境下传统语音增强算法的局限性,阐述了传统语音增强算法的基本原理及其特点,实验研究了传统算法存在的问题,进而提出了将基于非负矩阵分解的语音增强算法应用于车载环境中,并针对该算法展开了进一步的研究。论文针对频域单通道非负矩阵类语音增强算法的局限性,重点研究了基于复频域与凸包卷积类非负矩阵语音增强算法,并对行车环境下接收到的带噪语音进行处理。首先,论文采用KL散度模型对传统的复非负矩阵算法进行改进,提出了一种基于KL散度模型的复非负矩阵分解的语音增强模型,利用频域一致性约束改进传统相位谱补偿算法的调制频谱对相位谱进行修正。其次,论文还提出了一种基于离散小波包变换的凸包聚类卷积非负矩阵分解的语音增强模型,采用离散小波包变换将语音信号在时域中处理,克服了由于短时傅里叶变换造成的语音失真,并对凸包卷积非负矩阵分解算法进行改进,将其应用于车载环境下的语音增强。仿真实验结果验证了上述两种方法的有效性。最后,针对提出的车载环境中的应用问题,论文提出了两种多通道语音处理模型。第一种方法为基于非负矩阵分解的无监督多通道语音增强方法,即利用非负矩阵分解类算法构建波束形成阻塞矩阵模块,有效地避免阻塞矩阵构造不合适而造成的阻塞剩余和期望信号相消等缺点。第二种方法为基于统计模型的语音源分离和增强方法,即将非负矩阵分解算法分别引入基于统计模型的语音增强算法与广义互相关延时估计模型中,在避免利用先验信息的同时构建了新的角度谱函数,实现车载带噪语音信号分离和增强。实验结果表明在实际的车载噪声干扰下,论文提出的算法均能够降低或抑制了车载噪声干扰,减少失真,提高语音质量和可懂度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
语音处理论文参考文献
[1].杨奕堂.一种适用于空管的语音处理方法的验证与实现[J].中国民航飞行学院学报.2019
[2].许铭.车载环境下语音处理关键技术的研究[D].辽宁工业大学.2019
[3].严昭军.基于TMS320C5509DSP的语音处理系统平台硬件设计[J].数码世界.2018
[4].薛一鸣,陈鹞,何宁宁,胡彩娥,王建平.基于DFT滤波器组的低时延FPGA语音处理实现研究[J].电子学报.2018
[5].潘荔霞,徐文斌,任迎春,李世宝.基于语音处理的外语听力移动学习平台构建[J].实验室研究与探索.2017
[6].李岚霞.面向移动互联网的实时语音处理技术研究与实现[D].暨南大学.2017
[7].陈沁,李仄立,巩朋成.一种基于VC5509和CCSLink的DSP及语音处理一体化实验平台[J].电子科学技术.2017
[8].冯为江.基于深度学习的两类典型语音处理问题研究[D].国防科学技术大学.2016
[9].周城旭,王冬霞,吕义,张东旭.LabVIEW阵列语音处理系统实验平台设计[J].实验室研究与探索.2016
[10].于永江,王菲.基于DSP的语音处理教学实验平台设计[J].电子测试.2016
论文知识图
