-
公开(公告)号：CN104680521A
公开(公告)日：2015-06-03
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
IPC: G06T7/00
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：CN104064197A
公开(公告)日：2014-09-24
申请号：CN201410281239.0
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鲁棒性的方法。本发明的方法引入了不同语音帧之间的相关性，为语音识别的特征参数加入了动态特征。同时通过CASA方法将噪声环境下的语音进行了噪声消除，扩大了语音识别应用领域的范围。本发明待识别孤立词为10240词，实验结果表明，在将语音帧间信息作为动态参数加入到语音特征参数后，平均每个词汇的第一识别概率和第二识别概率的差值增大了30%。
-
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。
-
Patent Agency Ranking
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：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。
-
公开(公告)号：CN104064183A
公开(公告)日：2014-09-24
申请号：CN201410279788.4
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，本发明的方法针对不同的孤立词动态的建立了隐马尔科夫模型观察符号数，解决了不同的孤立词因观察符号数相同而识别准确率低的问题。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。本发明的方法可以动态调整识别模型的参数，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。待识别孤立词为10240词，实验结果表明，本发明的方法将总的识别率的平均值由96.3%提高到了99.2%。
-
-
-
-
-
-
-
Search Results
28
records
(took 0.028 seconds)
