基于语言学音系例字的口音自动识别探究

目的以方言语音学为视角,通过计算机分析和选择模型训练数据,探究提高口音自动识别准确率及优化模型训练数据的方法。方法采用音系分析、语音信号处理、数学模型实验和统计的方法,对包含约81400段电子语音的37个方言点(每个方言点约2200段),逐一进行音系提炼、挑选音系例字、电子语音预处理和提取梅尔倒谱系数(MFCC),构建高斯混合模型(GMM)进行口音识别分析。结果从方言语音中提取的音系例字作为训练集(约260字)的识别模型可以较好地完成口音识别任务,对比任选300个例字作为训练集的识别模型,无论是识别准确度还是待测语音数量的要求都有显著优势。结论基于语言学音系例字的口音自动识别方法,已经完成37个方言点高斯混合模型的建立,可以用于口音识别中辅助辨别分析。     

不同通信系统下的说话人识别探究

目的研究不同通信系统条件下,利用语音进行说话人识别的基本假设＂个体之间的语音差异大于个体自身的语音变异＂是否成立。方法选择宽带语图差异较大的不同通信系统下语音进行比对及差异的统计。结果发现说话人识别的基本假设在不同通信系统条件下成立。结论得出了不同通信系统条件下进行说话人识别的方法与判阈。     

法庭语音学

本文对法庭语音学进行了研究综述,主要介绍了该学科的核心内容:说话人鉴定。在实际办案中,当未找到嫌疑人,只有犯罪分子的检材语音时,可以使用说话人画像/说话人分类技术。若没有犯罪分子的录音证据时,可以让受害人和证人进行说话人的听觉辨认。具体的辨认形式有两种:对熟人辨认和对陌生人辨认,在对陌生人辨认时可以采用语音辨认的方法进行。当检材语音和样本语音都齐备的时候,法庭语音分析专家就可以对二者进行比对检验了。目前语音比对分析涉及到的问题和领域有:基于贝叶斯方法的法庭推理和似然比计算、共振峰频率的测量应用、非解析感知与样例理论、法庭说话人自动识别以及不同方法的综合应用等。     

法庭语音学

本文对法庭语音学进行了研究综述,主要介绍了该学科的核心内容：说话人鉴定。在实际办案中,当未找到嫌疑人,只有犯罪分子的检材语音时,可以使用说话人画像/说话人分类技术。若没有犯罪分子的录音证据时,可以让受害人和证人进行说话人的听觉辨认。具体的辨认形式有两种：对熟人辨认和对陌生人辨认,在对陌生人辨认时可以采用语音辨认的方法进行。当检材语音和样本语音都齐备的时候,法庭语音分析专家就可以对二者进行比对检验了。目前语音比对分析涉及到的问题和领域有：基于贝叶斯方法的法庭推理和似然比计算、共振峰频率的测量应用、非解析感知与样例理论、法庭说话人自动识别以及不同方法的综合应用等。     

白噪声不同信噪比对语音基音和共振峰的影响研究

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。     

基于语音情感分析系统的语音压力测谎

目的探究语音情感分析系统(Layered Voice Analysis,LVA)在不同情况下的表现,并通过分析数据找出影响系统识别率的因素。方法设置两种不同场景对20名研究对象进行提问,并录音。通过LVA语音系统对语音样本进行分析,使用SPSS统计软件对系统生成的参数进行统计分析。结果在未告知研究对象实验真相的情况下LVA语音系统平均识别率为91.75%,要远高于研究对象在知情情况下的识别率。在询问过程中,当未涉及敏感问题时,随着时间的推移研究对象的心理压力逐渐减小。结论LVA语音系统具有良好的情感分析和识别能力,可为司法工作提供参考。     

上市公司会计信息失真识别研究——CART与MDA模型应用比较

通过分别运用分类回归树与多元判别分析模型,对196家上市公司年度财务报告数据进行建模,再利用1624家上市公司样本对所建模型进行识别能力检验.研究发现:分类回归树假设条件限制少,学习与识别能力强,对检验样本整体正确识别率达到81%以上,将第二类错误率有效控制在20%以下,留存收益在资产总额中的比重对会计信息失真识别具有很高的指示作用.     

Simi视频动作捕捉系统在步态识别中的应用

目的探讨人体行走运动主要步态特征参数新的提取识别方法和定量化分析技术。方法以步态分析技术与传统的足迹检验理论和方法为基础,运用先进的Simi Motion视频动作捕捉系统,对50名健康男性正常行走的步态特征参数进行识别和分析。结果提出了一种基于关节点的步态特征提取方法,得到了行走步态特征的基本参数,为步态特征定量化检验提供技术支持。结论研究表明,simi视频动作捕捉系统可以获得较精确的步态特征数据,能够满足人体步态分析的需求,进而达到人身个体识别的目的。     

基于microRNA表达谱初步构建PLS-DA体液识别模型

针对外周血、唾液、精液、月经血、阴道分泌物这五种法医学常见的体液样本，采用二代测序（NGS）平台检测获得microRNA(miRNA)表达谱，使用偏最小二乘判别分析（PLS-DA）建立基于这五种体液的识别模型，并探讨PLS-DA在法医体液溯源中的应用价值。经优化小分子RNA文库制备过程，采用Ion Torrent S5 XL测序系统对前述法医学五种体液样本（每种10例）进行小RNA测序，以PLS-DA构建体液识别模型，评估不同数量miRNA标记组合下预测的准确性。本研究获得法医学常见五种体液样本的miRNA表达谱，外周血与月经血中表达量前10名的miRNAs有6个重叠；唾液和阴道分泌物中表达量前10名的miRNAs有4个重叠。基于全数据集、107个和11个miRNAs构建的体液来源识别模型的准确率分别为0.95、0.94、0.89。本研究通过NGS测序分析获得了五种体液样本的miRNA组（miRNome），利用PLS-DA初步构建了体液识别模型，对于应用miRNome进行体液识别的相关研究具有参考价值。     

语音身份识别及其在犯罪侦查中的运用

语音身份识别是通过说话人的语音分析其性别、年龄、职业、文化程度等,从而推断说话人身份的一种人身识别技术。语音身份识别一般需通过听辨和视图检测,有的还需聘请专家会检。语音身份识别在刑事犯罪中可以确定侦查方向、缩小犯罪嫌疑人的范围,因此,在绑架、敲诈勒索、诈骗等案件中有较高运用价值。     

脚步声识别技术研究进展

得益于高性能计算机和深度学习算法的不断进步,生物特征识别技术得到快速发展。脚步声识别技术利用人行走时发出的声音或震动信号实现行走人的身份识别,具有隐蔽性、非接触式、不易被伪造和无需被识别人配合等优点,是一种非常有潜力的生物特征识别技术。本文概述了脚步声识别系统的组成部分、基本概念以及脚步声识别系统的性能评价指标,总结了脚步声识别技术中的信号采集方法及其使用的仪器设备、降噪和端点检测信号预处理关键技术、时频域和声学特征参数提取、各种模式识别方法在脚步声识别技术中的应用等方面的研究成果。最后,系统地分析了脚步声识别技术研究中尚未解决的问题,探讨了该研究领域需要进一步探索的热点问题和未来的发展趋势。     

认识非语音信息在司法话者识别中的应用

通过介绍两起利用非语音信息最终辅助确认了说话人的司法话者识别检验案件,发现在说话人识别中,当待检语音无法满足语图比对条件时,充分利用非语音信息所揭示出的个体特性将有助于解决话者识别问题。得出了当待检语音条件不充分时,依靠非语音信息来辅助进行话者识别的方法。     

似然比在法庭说话人确认中的应用

本文把成功应用于DNA检验的证据评估方法（似然比）应用于法庭语音证据评估之中,提取语音的LPC作为识别特征,并使用45人电话对话录音中元音/a/作为样本进行了测试。结果表明该方法不仅能正确识别说话人,而且能根据当前嫌疑人样本和问题语音样本的差异,量化该语音样本作为证据的力度,为法庭提供科学合理的证据评估结果和科学解释。同时,自动特征提取的引入比起人工提取共振峰特征,提高了工作效率,识别系统性能也获得大幅提升。     

实时视频图像降噪增强解决方案

<正>随着视频监控的普及和人们安防意识的提高,人们对安防视频监控图像质量的要求也日益精益求精。低照度环境是安防视频监控系统一个重要的应用场合。由于环境光照的变化,低照度环境下图像质量会明显变差;主要表现在,为了获得合适的图像亮度,必须提高增益,从而导致噪声剧烈增大,信噪比降低,甚至淹没图像中物体的纹理细节。为了能使安防视频监控技术在夜晚和低照度环境下,确实发挥有效的防范监控和报警作用,比如车牌识别、入侵检测等,实时视频图像噪声抑制和细节恢复就成为了关键所在。     

噪声交易中套利者的作用研究

证券市场上的噪声交易会引起证券价格的均值非零的变动.DSSW模型研究证实了噪声交易者获得的平均收益甚至要高于套利者,但套利者的存在依然抑制了价格的波动,从而也限制了噪声交易者的获利空间.一个简单的拍卖模型表明,套利者在与噪声交易者的博弈中,套利行为的产生需要一定的获利空间条件,因此套利者行为确实受到了限制.但同时套利行为也无疑产生了重要的价格平抑作用.     

国内语言识别领域专利技术发展趋势

前言语音技术在计算机领域中的关键技术是语音识别技术和语音合成技术,其中语音识别技术是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(ASR:AutomaticSpeechRecognition),是指将人说话的语音信号转换为可被计算机程序所识别的文字信息,从而识别说话     

利用线性预测谱LPC对元音区别力量化分析的研究

本研究利用LPC对10位发音人的正常单元音相同声调（a、o、e、i、u、ü）进行识别测试,进一步探讨LPC提取出来的各个参数对于区分说话人的作用。提取元音最平稳的一段进行长时LPC分析,分析不同人的语声声纹差异性和同一人语声声纹的总体特殊性。结果显示,每个话者的自身差异都明显小于话者之间的差异。因此利用LPC提取元音的共振峰振幅与相邻弱谷幅值之差对比分析对话者具有有效区别力。     

降噪处理及其对语音的影响

司法声学中有两种导向的降噪处理模式：一是在语音内容辨听鉴定中。通过降噪处理，减弱噪声的掩蔽效应。提高语音听觉的清晰度和可懂度：另一种是在说话人鉴定中，通过降噪处理，减弱噪声对语音声学特征的干扰。使语图更为清晰可辨。本实验中。录制了日常生活中经常遇到的20余种噪声。通过混音，对每一个噪声合成出四个等级信噪比的含噪语音声样。然后，利用STC降噪系统、Adobe Audition软件和VS6．0语音工作站，分别对含噪语音进行降噪处理。实验发现。经过降噪处理，多数声样的噪声掩蔽效应能够减弱．部分声样的宽带语图得到改善。最后讨论了降噪处理对语音的影响及利用降噪语音进行说话人鉴定的注意事项。     

正常、大声两种说话状态下语音的声学差异及对声纹鉴定的影响

本文主要通过对正常、大声两种说话状态下的普通话中三个单元音[a]、[i]、[u]的声强、时长、基频、谐波振幅差值、共振峰等声学参数的分析,综合比较了各参数的变化规律,发现大声说话时的语音并非正常语音的简单放大,二者不仅在声强上存在差别,同时在频率域上也发生了重要变化。同一人不同状态下发音的频谱特征差异性较大,同种状态下发音的相似性、可比性较强,为此,声纹鉴定中应尽量选取状态相同的语音进行比对。     

正常、大声两种说话状态下语音的声学差异及对声纹鉴定的影响

本文主要通过对正常、大声两种说话状态下的普通话中三个单元音[a]、[i]、[u]的声强、时长、基频、谐波振幅差值、共振峰等声学参数的分析,综合比较了各参数的变化规律,发现大声说话时的语音并非正常语音的简单放大,二者不仅在声强上存在差别,同时在频率域上也发生了重要变化。同一人不同状态下发音的频谱特征差异性较大,同种状态下发音的相似性、可比性较强,为此,声纹鉴定中应尽量选取状态相同的语音进行比对。