一谷鱼vegfish
与机器进行语音交流,让机器明白你说什么,这是人们长期以来梦寐以求的事情。语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高技术。语音识别是一门交叉学科。近二十年来,语音识别技术取得显著进步,开始从实验室走向市场。人们预计,未来10年内,语音识别技术将进入工业、家电、通信、汽车电子、医疗、家庭服务、消费电子产品等各个领域。语音识别听写机在一些领域的应用被美国新闻界评为1997年计算机发展十件大事之一。很多专家都认为语音识别技术是2000年至2010年间信息技术领域十大重要的科技发展技术之一。语音识别技术所涉及的领域包括:信号处理、模式识别、概率论和信息论、发声机理和听觉机理、人工智能等等。 任务分类和应用 根据识别的对象不同,语音识别任务大体可分为3类,即孤立词识别(isolated word recognition),关键词识别(或称关键词检出,keyword spotting)和连续语音识别。其中,孤立词识别 的任务是识别事先已知的孤立的词,如“开机”、“关机”等;连续语音识别的任务则是识别任意的连续语音,如一个句子或一段话;连续语音流中的关键词检测针对的是连续语音,但它并不识别全部文字,而只是检测已知的若干关键词在何处出现,如在一段话中检测“计算机”、“世界”这两个词。根据针对的发音人,可以把语音识别技术分为特定人语音识别和非特定人语音识别,前者只能识别一个或几个人的语音,而后者则可以被任何人使用。显然,非特定人语音识别系统更符合实际需要,但它要比针对特定人的识别困难得多。另外,根据语音设备和通道,可以分为桌面(PC)语音识别、电话语音识别和嵌入式设备(手机、PDA等)语音识别。不同的采集通道会使人的发音的声学特性发生变形,因此需要构造各自的识别系统。语音识别的应用领域非常广泛,常见的应用系统有:语音输入系统,相对于键盘输入方法,它更符合人的日常习惯,也更自然、更高效;语音控制系统,即用语音来控制设备的运行,相对于手动控制来说更加快捷、方便,可以用在诸如工业控制、语音拨号系统、智能家电、声控智能玩具等许多领域;智能对话查询系统,根据客户的语音进行操作,为用户提供自然、友好的数据库检索服务,例如家庭服务、宾馆服务、旅行社服务系统、订票系统、医疗服务、银行服务、股票查询服务等等。 前端前端处理是指在特征提取之前,先对原始语音进行处理,部分消除噪声和不同说话人带来的影响,使处理后的信号更能反映语音的本质特征。最常用的前端处理有端点检测和语音增强。端点检测是指在语音信号中将语音和非语音信号时段区分开来,准确地确定出语音信号的起始点。经过端点检测后,后续处理就可以只对语音信号进行,这对提高模型的精确度和识别正确率有重要作用。语音增强的主要任务就是消除环境噪声对语音的影响。目前通用的方法是采用维纳滤波,该方法在噪声较大的情况下效果好于其它滤波器。处理声学特征 声学特征的提取与选择是语音识别的一个重要环节。声学特征的提取既是一个信息大幅度压缩的过程,也是一个信号解卷过程,目的是使模式划分器能更好地划分。由于语音信号的时变特性,特征提取必须在一小段语音信号上进行,也即进行短时分析。这一段被认为是平稳的分析区间称之为帧,帧与帧之间的偏移通常取帧长的1/2或1/3。通常要对信号进行预加重以提升高频,对信号加窗以避免短时语音段边缘的影响。常用的一些声学特征* 线性预测系数LPC:线性预测分析从人的发声机理入手,通过对声道的短管级联模型的研究,认为系统的传递函数符合全极点数字滤波器的形式,从而n 时刻的信号可以用前若干时刻的信号的线性组合来估计。通过使实际语音的采样值和线性预测采样值之间达到均方差最小LMS,即可得到线性预测系数LPC。对 LPC的计算方法有自相关法(德宾Durbin法)、协方差法、格型法等等。计算上的快速有效保证了这一声学特征的广泛使用。与LPC这种预测参数模型类似的声学特征还有线谱对LSP、反射系数等等。* 倒谱系数CEP:利用同态处理方法,对语音信号求离散傅立叶变换DFT后取对数,再求反变换iDFT就可得到倒谱系数。对LPC倒谱(LPCCEP),在获得滤波器的线性预测系数后,可以用一个递推公式计算得出。实验表明,使用倒谱可以提高特征参数的稳定性。* Mel倒谱系数MFCC和感知线性预测PLP:不同于LPC等通过对人的发声机理的研究而得到的声学特征,Mel倒谱系数MFCC和感知线性预测 PLP是受人的听觉系统研究成果推动而导出的声学特征。对人的听觉机理的研究发现,当两个频率相近的音调同时发出时,人只能听到一个音调。临界带宽指的就是这样一种令人的主观感觉发生突变的带宽边界,当两个音调的频率差小于临界带宽时,人就会把两个音调听成一个,这称之为屏蔽效应。Mel刻度是对这一临界带宽的度量方法之一。MFCC的计算首先用FFT将时域信号转化成频域,之后对其对数能量谱用依照Mel刻度分布的三角滤波器组进行卷积,最后对各个滤波器的输出构成的向量进行离散余弦变换DCT,取前N个系数。PLP仍用德宾法去计算LPC参数,但在计算自相关参数时用的也是对听觉激励的对数能量谱进行DCT的方法。声学模型语音识别系统的模型通常由声学模型和语言模型两部分组成,分别对应于语音到音节概率的计算和音节到字概率的计算。本节和下一节分别介绍声学模型和语言模型方面的技术。HMM声学建模:马尔可夫模型的概念是一个离散时域有限状态自动机,隐马尔可夫模型HMM是指这一马尔可夫模型的内部状态外界不可见,外界只能看到各个时刻的输出值。对语音识别系统,输出值通常就是从各个帧计算而得的声学特征。用HMM刻画语音信号需作出两个假设,一是内部状态的转移只与上一状态有关,另一是输出值只与当前状态(或当前的状态转移)有关,这两个假设大大降低了模型的复杂度。HMM的打分、解码和训练相应的算法是前向算法、Viterbi算法和前向后向算法。语音识别中使用HMM通常是用从左向右单向、带自环、带跨越的拓扑结构来对识别基元建模,一个音素就是一个三至五状态的HMM,一个词就是构成词的多个音素的HMM串行起来构成的HMM,而连续语音识别的整个模型就是词和静音组合起来的HMM。上下文相关建模:协同发音,指的是一个音受前后相邻音的影响而发生变化,从发声机理上看就是人的发声器官在一个音转向另一个音时其特性只能渐变,从而使得后一个音的频谱与其他条件下的频谱产生差异。上下文相关建模方法在建模时考虑了这一影响,从而使模型能更准确地描述语音,只考虑前一音的影响的称为Bi- Phone,考虑前一音和后一音的影响的称为Tri-Phone。英语的上下文相关建模通常以音素为基元,由于有些音素对其后音素的影响是相似的,因而可以通过音素解码状态的聚类进行模型参数的共享。聚类的结果称为senone。决策树用来实现高效的triphone对senone的对应,通过回答一系列前后音所属类别(元/辅音、清/浊音等等)的问题,最终确定其HMM状态应使用哪个senone。分类回归树CART模型用以进行词到音素的发音标注。 语言模型语言模型主要分为规则模型和统计模型两种。统计语言模型是用概率统计的方法来揭示语言单位内在的统计规律,其中N-Gram简单有效,被广泛使用。N-Gram:该模型基于这样一种假设,第n个词的出现只与前面N-1个词相关,而与其它任何词都不相关,整句的概率就是各个词出现概率的乘积。这些概率可以通过直接从语料中统计N个词同时出现的次数得到。常用的是二元的Bi-Gram和三元的Tri-Gram。语言模型的性能通常用交叉熵和复杂度(Perplexity)来衡量。交叉熵的意义是用该模型对文本识别的难度,或者从压缩的角度来看,每个词平均要用几个位来编码。复杂度的意义是用该模型表示这一文本平均的分支数,其倒数可视为每个词的平均概率。平滑是指对没观察到的N元组合赋予一个概率值,以保证词序列总能通过语言模型得到一个概率值。通常使用的平滑技术有图灵估计、删除插值平滑、Katz平滑和Kneser-Ney平滑。 搜索连续语音识别中的搜索,就是寻找一个词模型序列以描述输入语音信号,从而得到词解码序列。搜索所依据的是对公式中的声学模型打分和语言模型打分。在实际使用中,往往要依据经验给语言模型加上一个高权重,并设置一个长词惩罚分数。Viterbi:基于动态规划的Viterbi算法在每个时间点上的各个状态,计算解码状态序列对观察序列的后验概率,保留概率最大的路径,并在每个节点记录下相应的状态信息以便最后反向获取词解码序列。Viterbi算法在不丧失最优解的条件下,同时解决了连续语音识别中HMM模型状态序列与声学观察序列的非线性时间对准、词边界检测和词的识别,从而使这一算法成为语音识别搜索的基本策略。由于语音识别对当前时间点之后的情况无法预测,基于目标函数的启发式剪枝难以应用。由于Viterbi算法的时齐特性,同一时刻的各条路径对应于同样的观察序列,因而具有可比性,束Beam搜索在每一时刻只保留概率最大的前若干条路径,大幅度的剪枝提高了搜索的效率。这一时齐Viterbi- Beam算法是当前语音识别搜索中最有效的算法。 N-best搜索和多遍搜索:为在搜索中利用各种知识源,通常要进行多遍搜索,第一遍使用代价低的知识源,产生一个候选列表或词候选网格,在此基础上进行使用代价高的知识源的第二遍搜索得到最佳路径。此前介绍的知识源有声学模型、语言模型和音标词典,这些可以用于第一遍搜索。为实现更高级的语音识别或口语理解,往往要利用一些代价更高的知识源,如4阶或5阶的N-Gram、4阶或更高的上下文相关模型、词间相关模型、分段模型或语法分析,进行重新打分。最新的实时大词表连续语音识别系统许多都使用这种多遍搜索策略。N-best搜索产生一个候选列表,在每个节点要保留N条最好的路径,会使计算复杂度增加到N倍。简化的做法是只保留每个节点的若干词候选,但可能丢失次优候选。一个折衷办法是只考虑两个词长的路径,保留k条。词候选网格以一种更紧凑的方式给出多候选,对N-best搜索算法作相应改动后可以得到生成候选网格的算法。前向后向搜索算法是一个应用多遍搜索的例子。当应用简单知识源进行了前向的Viterbi搜索后,搜索过程中得到的前向概率恰恰可以用在后向搜索的目标函数的计算中,因而可以使用启发式的A算法进行后向搜索,经济地搜索出N条候选。 系统实现 语音识别系统选择识别基元的要求是,有准确的定义,能得到足够数据进行训练,具有一般性。英语通常采用上下文相关的音素建模,汉语的协同发音不如英语严重,可以采用音节建模。系统所需的训练数据大小与模型复杂度有关。模型设计得过于复杂以至于超出了所提供的训练数据的能力,会使得性能急剧下降。听写机:大词汇量、非特定人、连续语音识别系统通常称为听写机。其架构就是建立在前述声学模型和语言模型基础上的HMM拓扑结构。训练时对每个基元用前向后向算法获得模型参数,识别时,将基元串接成词,词间加上静音模型并引入语言模型作为词间转移概率,形成循环结构,用Viterbi算法进行解码。针对汉语易于分割的特点,先进行分割再对每一段进行解码,是用以提高效率的一个简化方法。对话系统:用于实现人机口语对话的系统称为对话系统。受目前技术所限,对话系统往往是面向一个狭窄领域、词汇量有限的系统,其题材有旅游查询、订票、数据库检索等等。其前端是一个语音识别器,识别产生的N-best候选或词候选网格,由语法分析器进行分析获取语义信息,再由对话管理器确定应答信息,由语音合成器输出。由于目前的系统往往词汇量有限,也可以用提取关键词的方法来获取语义信息。 自适应与强健性 语音识别系统的性能受许多因素的影响,包括不同的说话人、说话方式、环境噪音、传输信道等等。提高系统鲁棒性,是要提高系统克服这些因素影响的能力,使系统在不同的应用环境、条件下性能稳定;自适应的目的,是根据不同的影响来源,自动地、有针对性地对系统进行调整,在使用中逐步提高性能。以下对影响系统性能的不同因素分别介绍解决办法。解决办法按针对语音特征的方法(以下称特征方法)和模型调整的方法(以下称模型方法)分为两类。前者需要寻找更好的、高鲁棒性的特征参数,或是在现有的特征参数基础上,加入一些特定的处理方法。后者是利用少量的自适应语料来修正或变换原有的说话人无关(SI)模型,从而使其成为说话人自适应(SA)模型。说话人自适应的特征方法有说话人规一化和说话人子空间法,模型方法有贝叶斯方法、变换法和模型合并法。语音系统中的噪声,包括环境噪声和录音过程加入的电子噪声。提高系统鲁棒性的特征方法包括语音增强和寻找对噪声干扰不敏感的特征,模型方法有并行模型组合PMC方法和在训练中人为加入噪声。信道畸变包括录音时话筒的距离、使用不同灵敏度的话筒、不同增益的前置放大和不同的滤波器设计等等。特征方法有从倒谱矢量中减去其长时平均值和RASTA滤波,模型方法有倒谱平移。 微软语音识别引擎 微软在office和vista中都应用了自己开发的语音识别引擎,微软语音识别引擎的使用是完全免费的,所以产生了许多基于微软语音识别引擎开发的语音识别应用软件,例如《语音游戏大师》《语音控制专家》《芝麻开门》等等软件。 语音识别系统的性能指标 语音识别系统的性能指标主要有四项。①词汇表范围:这是指机器能识别的单词或词组的范围,如不作任何限制,则可认为词汇表范围是无限的。②说话人限制:是仅能识别指定发话者的语音,还是对任何发话人的语音都能识别。③训练要求:使用前要不要训练,即是否让机器先“听”一下给定的语音,以及训练次数的多少。④正确识别率:平均正确识别的百分数,它与前面三个指标有关。小结以上介绍了实现语音识别系统的各个方面的技术。这些技术在实际使用中达到了较好的效果,但如何克服影响语音的各种因素还需要更深入地分析。目前听写机系统还不能完全实用化以取代键盘的输入,但识别技术的成熟同时推动了更高层次的语音理解技术的研究。由于英语与汉语有着不同的特点,针对英语提出的技术在汉语中如何使用也是一个重要的研究课题,而四声等汉语本身特有的问题也有待解决。
吃得圆圆的
建筑是运用一定的科学规律、风水理念和美学法则创造的人工环境。下面是我为大家精心推荐的高级建筑师职称论文,希望能够对您有所帮助。
建筑声学在住宅建筑中的应用
摘要:声学与建筑的关系由来已久,声学有益于建筑,建筑也需用声学。建筑声学技术已经有了一百多年的历史,在国内外城市建设中建造了不少音质优良的厅堂,也提供了大量安静的人居环境。但是建筑声学技术至今仍未受到足够的重视,不少厅堂音质不良,许多居住环境受到噪声污染,影响了工程建设的质量及投资效益。随着时代的发展和人们的生活水平的提高,越来越多的居民已从单纯追求一套舒适的住房逐步转向对整体环境的更高需求。目前某些所谓绿色生态住宅小区都片面将绿化、水景等硬景观作为环境建设的重点,较少注意住宅小区的声、光、热等物理环境的建设,难以形成整体的生态居住环境。可见住宅建筑的声环境问题已成为当前城市规划,小区设计及住宅楼单体设计中应予充分重视和考虑的一个问题,真正体现以人为本,努力为居住建筑营造一个既优美舒适而又十分宁静的生活环境。
1.住宅小区声环境建设面临的形势
交通噪声是城市高层住宅的主要噪声污染源。这是因为在目前城市中,最有需要发展高层住宅的地区往往就是交通干道经过或汇集的城市中心地带。我国交通干线的交通噪音标准限值为7odB(A),但实际上随着近儿年机动车辆的进一步增加,大多数交通干线都大大超过了此限;城市高架道路不失为解决城市交通拥挤的一种手段,但它的兴起却使交通噪声污染更甚;随着城市的发展,使得铁路穿行市区的范围不断扩大,远离城市中心的航空港及海港和内河港口日渐迫近城市住区,由此形成的铁路噪声、航空及船舶噪声对居民的影响日渐突出,个别地区已经相当严重。城市交通发展带来之户外环境噪声日趋严重,居民深受其苦,投诉日增,而解决无门,报刊虽连连呼吁,见效甚微。高架道路之兴起,扩大了噪声干扰范围。
城市区域的建筑施工工地,其施工噪声(尤其是夜间施工)对周围环境的影响甚为强烈,严重干扰附近居民的生活和休息,特别是居民区内分期施工时,面对窗外紧邻的工地,先期人住的居民深受噪声影响之苦〕另外,近几年掀起的家庭装修热,更是“一家装修四邻不安”因此装修施工的噪声也不容忽视。
同样,随着城市建设的不断发展,交通建设突飞猛进,居住小区如雨后春笋,人们对居室的声环境日趋重视,“还我安静”的呼声日趋增多。如某居民购房入住后发现地下水泵房噪声影响休息要求退房,房产公司为此在水泵房内墙面、平顶、贴满吸声泡沫,以为吸声可以解决问题,结果噪声依旧,原来是水泵及管道的固体传声,应采取隔振降噪才能取得效果;又闻一位青年古筝演奏家在家中练琴引来警察,原来是琴声影响了邻室居民休息生怨而报警。因此,创造适意的声环境是居住建筑中一项重要内容。
2.住宅防噪声设计
建筑材料选择和构造设计⑴分户门要综合考虑隔声、防盗、防火的要求,窗户结合节能设计采用气密性的窗框和隔声窗,提高加工精度,减小门窗缝隙,将门窗的隔声性能列为门窗质量的重要考核指标。⑵分户墙应当选用隔声性能好的材料来保证隔声。单一材料、单层结构的轻质墙体,计权隔声量普遍低于40dB,不能用作分户墙,如因条件限制使用轻质墙体时,必须采用复合结构以满足隔声性能要求。⑶楼板的撞击声隔绝问题必须采取隔声构造 措施 加以解决。由于板下(设弹性吊杆的)吊顶住宅层高较低,以及撞击声的侧向传播使其效果受限,在钢筋混凝土楼板上铺设弹性面层、设置浮筑楼板等隔声构造措施,应作为楼地面构造设计的重要内容。⑷楼梯间内应适当布置吸声材料,防止噪声因为楼梯间内空旷无吸声而严重干扰整个单元的用户二户内过渡空间也要布置一些吸声材料,做类似“声闸”的吸收处理。⑸室内管网系统宜采取产生安装衬垫等消声措施。⑹对家庭影院房室专门采用隔声处理,建立钢琴等乐器的专用隔声间。
住宅小区规划设计。声环境品质要作为城市规划的功能评价的重要指标之一。在城市总体规划(包括旧城改造规划)中,应按噪声源的现状及对发展情况的预测,依城市设施和对外联系的交通工具的噪声强弱等级分类,按不同的声环境要求作合理的声学分区,合理安排城市道路交通网,避免城市交通干道、高架道路、机场和航线、铁路线等邻近和穿行住宅区,从宏观上控制噪声的干扰。在项目开发前期的选址及场地设计时,应对周边噪声源进行测试分析,对噪声影响进行评估,从声环境的角度来论证生态住宅小区建设项目的可行性。小区的规划设计,要把声环境指标作为建设项目报批的内容之一,列为必要的建设程序。在进行小区规划设计时,应注意小区内部的噪声影响,合理安排建筑空间位置:⑴小区内的中小学校宜与住宅群有适当的防护距离,并在其间设置绿化或其他建筑物的隔离,避免对住宅的噪声干扰。⑵小区内的公交配套设施如锅炉房、冷却塔、变电站等选地址安排不能距离居住建筑过近;公用固定设备应优先采用低噪声、低振动的设备,对一些可能产生噪声和振动的设备应采取如隔声、吸声、消声、减振等手段进行噪声和振动控制。⑶ 儿童 的户外活动场地不宜安排在住宅楼围成的“闭合”的户外空间内,以免活动噪声形成的混响声场干扰用户。⑷合理安排和设计小区内的道路布局及停车场位置,使保持低的车流量和车速,避免行车噪声和汽车报警声和摩托车噪声的影响。⑸对小区内邻近噪声源(如街道、公共设施)的住宅建设考虑平剖面防噪设计。将要求安静的房间(卧室、起居室、书房)置为较为安静的一侧,安静房间的上下也应为安静的房间,将厨房、卫生间集中布置,上下对应。户内入口处宜设置过渡空间作为缓冲,避免楼梯间内噪声直接传入室内。
加强对噪声源的控制。目前城市建设的高速发展,形成住宅小区被施工工地所包围的局面。施工阶段的周期性、施工过程的突击性、施工机械的高噪声性构成施工噪声自身的特点,控制的难度较大。当外部噪声影响生态小区的声环境时,要根据具体的情况采用人工降噪措施:⑴置声屏障。采用隔声屏障是减少交通噪声对周围环境的影响的重要手段。声屏障的形式有多种,必须结合地形及经济条件等选择使用,例如地面道路利用已有的绿化土堤作为声屏障即经济有效的办法,而高架道路宜采用透明材料制成的隔声屏障来保证视野开阔和城市景观不受影响。但建设隔声屏障毕竟投资较大,且降噪的效果也是有限和有条件的,因而必须慎用。⑵绿化减噪。大片的绿化带有助于减轻城市噪声的影响。一般选用常绿灌木、乔木结合作为主要培植方式,保证四季均能起降噪效果,但是绿化带必须有足够的宽度才能取得较好的降噪效果。⑶临街配置对噪声不敏感的建筑(商业设施、生活服务行业等)作为住宅建筑的“声屏障”。⑷淘汰高噪声的施工机械、推广低噪声的施工机械,改变高噪声施工工艺为低噪声施工工艺,即从声源上控制噪声是最基本的手段;对使用中较高噪声机械,施工时要根据噪声传播的方向,合理布置它们的位置,并在其周围设置适宜的隔声装置;施工阶段在筑外部采用隔声围挡,以防止施工噪声外泄。另外,建设部门要对施工工地的噪声加强管理,提倡文明施工,对于改善住宅小区的声环境也是大有益处的。
3.结束语
如今,更多的建筑需要建筑声学技术,声学设计正在成为建筑工程设计中一项十分重要的专业内容,它将关系到许多工程项目的内在质量及使用功能,也关系到城市千家万户的生活环境和质量,为了在建筑工程项目设计中不再出现这样那样的音质问题或噪声问题,为社会、为人们创造更多音质优良的厅堂,提供更多宁静的人居环境。愿我们建筑设计师与声学工程师有更多的合作和配合,为设计更多更好的建筑作出共同努力,取得更大的成功。
点击下页还有更多>>>高级建筑师职称论文
你可以参考参考我的帖子,百度一下:声乐吧 学习声乐的科学方法图文改动版,就可以了
关于保险专业毕业的论文 摘要: 目前,高校保险专业建设重理论轻实践,实践教学手段落后,教学师资缺乏,教学质量评价机制缺失,导致实践教学的效果不佳,高校培养出来的
关于毕业论文选题,一般学校是会分配题目到院里,再由院里分给各个导师,导师再分给学生:也有直接院里的题目分给导师再到学生。这样的弊端会有些耽误时间,特别出现有些不
儿童声乐教学中遇到的问题及解决方法论文 声乐教学的特点是经验性和师承性,几乎对所有人而言,声音训练的原则都是相同的。但和成年人相比,儿童的心理因素和生理条件,差
说实话,为了几百分花这个精力,不值。。。同学,你还是自己写吧