简介:传统的语音识别方法,信噪比较低时识别率也较低。为了使语音识别更具有环境适应性、抗噪性,从非齐次隐马尔可夫模型(nonhomogeneousHiddenMarkovModel,HMM)出发,结合自适应函数链神经元网络,训练出适应环境变化的混合语音模型,并采用该混合模型进行语音识别。实验结果表明,该模型适用于含噪语音的识别,特别是在低信噪情况下,可以相对提高识别率。
简介:摘要:本项研究专注于增加光纤通讯的信号与噪声比,考量了信号在传输途中可能遭受的各类噪声干扰和当前的改良方法,据此,我们构建了一套完整的优化方案。此方案结合先进技术,对光纤通信的各类噪声进行深入探究,并据此制定了有效的优化策略。实验结果证实了这些策略的有效性。据所示,我们策划的方案能明显增加系统信噪比,从而优化通信效果。这项研究成果具有广泛的应用价值和实际可操作性,有效提升了光纤通信技术的能力。
简介:准噶尔盆地腹部莫索湾地区侏罗系目的层由于埋藏深、储层薄,砂泥岩波阻抗差异小,使用常规的叠后波阻抗反演很难得到满意的储层预测效果。而由于该区地表为沙漠。使得地震资料的信噪比和分辨率较低,在叠前道集上很难看到AVO异常响应特征,使叠前AVO油气检测技术的应用受到限制。通过对叠前不同角度道集的叠加得到地震资料,再进行井震对比分析,发现能够反映地层流体的变化情况,可以用来进行油气检测。利用多个角度叠加数据体进行同时反演得到的泊松比等弹性参数资料,与已知井油气显示情况符合程度高。该方法结合了叠前地震资料信息丰富和叠加资料信噪比高的优点,为沙漠区低信噪比地震资料叠前反演提供了可行的技术思路。
简介:复杂系统与非线性科学密切相关。为了探讨复杂随机系统信息处理的机制和利用“随机”因素自优化能力,研究了一类无限并联阵列的信噪比增益问题。阵列中每个子系统是一个双稳态振荡器,其输入都是同一个给定的含噪正弦信号。每个子系统内部噪声强度相同,但是相互独立。随着内部噪声强度的增加,信噪比增益出现了随机共振现象和存在大于一的区域,并且这一区域随着并联阵列数目增加而被放大。无限并联阵列的信噪比增益可达到全局最大值。依据阵列非稳态输出均值和稳态自协方差函数的极限性质,本文证明了无限并联阵列的信噪比增益问题可以归结为任两个子系统的统计性能分析。这些研究结果对于复杂系统信号处理理论具有重要意义。
简介:目的研究不同强度白噪声对语音特征提取的影响,总结变化规律,为带噪语音的声纹鉴定提供参考。方法对TIMIT连续语音语料库中的录音样本加载不同强度白噪声,使用语音工作站提取纯净语音、不同信噪比带噪语音的基频、共振峰,研究分析白噪声对语音特征参数的影响。结果低噪环境下,语音共振峰相对稳定,增大噪声强度,共振峰出现偏移或者无法检出现象;各阶共振峰抗噪能力不同,低阶共振峰抗噪声能力强,稳定度高,高阶共振峰抗噪能力弱,稳定性差,低阶共振峰抗噪能力优于高阶共振峰;基音在各种噪声强度下稳定度高,具备较强鲁棒性。结论信噪比降低会引起共振峰频率偏移,甚至丢失共振峰;噪声对高阶共振峰影响大于低阶共振峰;基频在噪声环境下具备较高的抗干扰能力,声纹鉴定中应重点分析噪声对语音特征的影响。