朱鹏程
- 作品数:4 被引量:0H指数:0
- 供职机构:西北工业大学更多>>
- 发文基金:陕西省自然科学基金霍英东基金国家自然科学基金更多>>
- 相关领域:电子电信自动化与计算机技术更多>>
- 一种噪声合成方法
- 本发明涉及一种噪声合成方法,利用概率分布估计和随机序列生成的方法,能得到具有目标振幅概率分布的白噪声;通过功率谱估计的方法估计出目标噪声的功率谱特征,基于此功率谱特征利用倒谱法实现了最小相位滤波器的设计;通过用最小相位滤...
- 谢磊张少飞朱鹏程丁闯
- 文献传递
- 语音驱动虚拟说话人的自然头动生成
- 本文研究了从语音信号预测伴随头动的方法。基于HMM的头动合成方法的效果有赖于头动模式的划分和头动模式的正确识别。为此,本文尝试了不同头动模式划分方法的头动合成效果。由于语音和头动之间是非确定性的多对多的映射关系,很难用固...
- 李冰锋谢磊朱鹏程樊博
- 语音驱动虚拟说话人的自然头动生成
- 2013年
- 从语音信号预测伴随头动时,基于隐Markov模型(hidden Markov model,HMM)的头动合成方法的效果依赖于头动模式的划分和头动模式的正确识别。该文尝试了不同头动模式划分方法的头动合成效果。由于语音和头动之间是非确定性的多对多的映射关系,很难用固定的类别描述清楚,因此该类方法的头动模式识别率不高,头动合成效果受限。该文尝试采用逆传播(back-propagation,BP)神经网络的非线性回归方法,通过学习语音与头动之间的映射关系,实现语音信号到头动参数之间的直接连续映射,避免了HMM方法中头动模式不明确、头动模式识别错误带来的负面影响。实验表明,基于BP神经网络的回归方法有效地提高了语音到头动预测的准确度和头动合成的自然度。
- 李冰锋谢磊朱鹏程樊博
- 关键词:隐MARKOV模型神经网络
- 语音驱动虚拟说话人的自然头动生成
- 本文研究了从语音信号预测伴随头动的方法。基于HMM的头动合成方法的效果有赖于头动模式的划分和头动模式的正确识别。为此,本文尝试了不同头动模式划分方法的头动合成效果。由于语音和头动之间是非确定性的多对多的映射关系,很难用固...
- 李冰锋谢磊朱鹏程樊博
- 文献传递