-
公开(公告)号：CN104064181A
公开(公告)日：2014-09-24
申请号：CN201410281283.1
申请日：2014-06-20
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明为大规模孤立词语音识别的特征向量量化提供了一种快速收敛的方法，能比较快的建立码本。本发明的方法解决了一般特征向量由于词汇量大而导致码本建立过程慢的缺点，实验结果表明，相比较于模拟退火算法，该发明的码本建立过程中运算的迭代次数减小了一个10的量级，同时消除了除法运算和大量的乘法运算。
-
公开(公告)号：CN104064179A
公开(公告)日：2014-09-24
申请号：CN201410281284.6
申请日：2014-06-20
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明为大规模孤立词语音识别提供了一种提高识别准确率的方法，针对不同的孤立词建立了隐马尔科夫模型（HMM）参数自适应变化的机制，解决了不同的孤立词因HMM概率模型中事件数相同而识别准确率和识别鲁棒性低的问题。实验结果表明，本发明的方法在稍许增加识别计算量的前提下，有效地提高了大规模孤立词语音识别的准确率。待识别孤立词为5120词时，多次识别准确率的平均值由91%提高到了97.3%；待识别孤立词为10240词时，多次识别准确率的平均值由87%提高到了96.3%。相比于传统的基于统计概率的静态模型的语音识别，采用本发明方法的优势在于针对不同用户自适应的调整识别模型的参数，从而提高识别的准确率。
-
公开(公告)号：CN104680521B
公开(公告)日：2018-04-06
申请号：CN201510065105.X
申请日：2015-02-06
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提出了一种改进的背景建模及前景检测方法，首先建立背景模型，然后判断当前帧的每一像素点属于背景点还是前景点，接着更新背景集，最后利用上述流程对每一图像帧进行逐像素判断，最终得到前景与背景分离的二值图像，从而从监控视频中分割前景运动目标。本发明的方法克服了传统目标检测方法的一些缺点，提高了检测适应性、稳定性及实时性等。
-
公开(公告)号：CN104754485A
公开(公告)日：2015-07-01
申请号：CN201510066503.3
申请日：2015-02-06
Applicant: 哈尔滨工业大学深圳研究生院
IPC: H04R25/00
Abstract: 本发明提出了一种基于NLMS算法改进的数字助听器回波抵消方法，该方法的主要思想是在M大小的块中，每个输入数据对间隔M的共N/M个系数进行更新，当输入M个数据后，实现自适应滤波器全部系数的更新。同时，通过控制归一化步长的上下限保证较好的收敛速度和稳态误差。该方法可以实现助听器回波抵消功能，降低算法的计算复杂度的同时保证了算法性能的可控性，能够满足助听器实时性准确性的要求。
-
公开(公告)号：CN104703108A
公开(公告)日：2015-06-10
申请号：CN201510066821.X
申请日：2015-02-06
Applicant: 哈尔滨工业大学深圳研究生院
IPC: H04R25/00
Abstract: 本发明提出了一种本发明是在噪声环境中为数字助听器的宽动态压缩算法，包括以下步骤：步骤A：根据语音增强算法，输出去噪之后的语音信号；步骤B：语音信号输出反馈路径的估算：边界检查计算、根据自适应宽动态压缩3条规则的计算输出；步骤C：把步骤A和步骤B的输出作为宽动态压缩模块的输入，进行语音信号压缩放大，并提高信噪比。传统的压缩算法当外界声源的声压级大小小于正常人的听阈时，助听器一般不启动压缩算法，而让输出声压级大小为0，这样就丢失了音频信号一部分的信息。本发明将对这个过程改进和优化，保留之前输入声压级小于正常人听阈的那部分声音信号的信息，同时本发明还带有噪声消除功能。
-
Patent Agency Ranking
公开(公告)号：CN104064196A
公开(公告)日：2014-09-24
申请号：CN201410281240.3
申请日：2014-06-20
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G10L21/0308 , G10L25/84
Abstract: 本发明为大规模孤立词语音识别提供了一种基于语音前端处理消除噪声从而提高识别准确率的方法，本发明的方法解决了由于含有噪声在MFCC提取过程中语音端点检测错误导致识别准确率低的问题。计算听觉场景分析（CASA）用于语音识别的前端，相比于降噪、语音增强等传统去噪方法，通过模拟人耳的听觉神经系统，可以有效的将噪声从带噪语音中分离出来。本发明中对10240个带噪语音进行识别，相比于不进行前端噪声处理，识别的准确率由83%提高到了95.5%。
-
公开(公告)号：CN104754485B
公开(公告)日：2018-04-06
申请号：CN201510066503.3
申请日：2015-02-06
Applicant: 哈尔滨工业大学深圳研究生院
IPC: H04R25/00
Abstract: 本发明提出了一种基于NLMS算法改进的数字助听器回波抵消方法，该方法的主要思想是在M大小的块中，每个输入数据对间隔M的共N/M个系数进行更新，当输入M个数据后，实现自适应滤波器全部系数的更新。同时，通过控制归一化步长的上下限保证较好的收敛速度和稳态误差。该方法可以实现助听器回波抵消功能，降低算法的计算复杂度的同时保证了算法性能的可控性，能够满足助听器实时性准确性的要求。
-
公开(公告)号：CN104703107B
公开(公告)日：2018-06-08
申请号：CN201510066773.4
申请日：2015-02-06
Applicant: 哈尔滨工业大学深圳研究生院
IPC: H04R25/00
Abstract: 本发明提出了一种适用于数字助听器中的自适应回波抵消方法NBLMS_M‑K，在以M为一个周期内，每来一个信号点对前K个滤波器抽头系数进行更新，在第M个信号点进入系统时，对全部的滤波器系数进行更新。该方法既降低了算法的复杂度，又保证处理后的语音具有较高的可懂度和清晰度，满足了数字助听器体积小、功耗低的要求。
-
公开(公告)号：CN104064179B
公开(公告)日：2018-06-08
申请号：CN201410281284.6
申请日：2014-06-20
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明为大规模孤立词语音识别提供了一种提高识别准确率的方法，针对不同的孤立词建立了隐马尔科夫模型（HMM）参数自适应变化的机制，解决了不同的孤立词因HMM概率模型中事件数相同而识别准确率和识别鲁棒性低的问题。实验结果表明，本发明的方法在稍许增加识别计算量的前提下，有效地提高了大规模孤立词语音识别的准确率。待识别孤立词为5120词时，多次识别准确率的平均值由91%提高到了97.3%；待识别孤立词为10240词时，多次识别准确率的平均值由87%提高到了96.3%。相比于传统的基于统计概率的静态模型的语音识别，采用本发明方法的优势在于针对不同用户自适应的调整识别模型的参数，从而提高识别的准确率。
-
公开(公告)号：CN104703107A
公开(公告)日：2015-06-10
申请号：CN201510066773.4
申请日：2015-02-06
Applicant: 哈尔滨工业大学深圳研究生院
IPC: H04R25/00
Abstract: 本发明提出了一种适用于数字助听器中的自适应回波抵消方法NBLMS_M-K，在以M为一个周期内，每来一个信号点对前K个滤波器抽头系数进行更新，在第M个信号点进入系统时，对全部的滤波器系数进行更新。该方法既降低了算法的复杂度，又保证处理后的语音具有较高的可懂度和清晰度，满足了数字助听器体积小、功耗低的要求。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.038 seconds)
