为了减小最大后验概率(maximum a posteriori,MAP)盲均衡算法中稳态剩余误差和加快收敛速度,提出了一种改进的基于概率和自适应σ的MAP盲均衡算法。根据概率论的原理,分析了MAP算法中σ表示的实际意义,改进算法通过改变更新方程中的高...为了减小最大后验概率(maximum a posteriori,MAP)盲均衡算法中稳态剩余误差和加快收敛速度,提出了一种改进的基于概率和自适应σ的MAP盲均衡算法。根据概率论的原理,分析了MAP算法中σ表示的实际意义,改进算法通过改变更新方程中的高斯信号方差值σ,即由固定值改为可变值,再运用不等概思想进一步的提高了MAP算法的收敛性能。仿真结果表明,与MAP盲均衡算法相比,改进型MAP盲均衡算法具有更好的均衡效果和收敛性能。展开更多
在基于隐马尔可夫模型的语音合成说话人自适应中,通常的最大似然线性回归(Maximum likelihoad linear regression,MLLR)方法在自适应后的音质和相似度等方面与原始语音仍有一定的差距。为了改善说话人自适应的效果,本文从识别的理论出发...在基于隐马尔可夫模型的语音合成说话人自适应中,通常的最大似然线性回归(Maximum likelihoad linear regression,MLLR)方法在自适应后的音质和相似度等方面与原始语音仍有一定的差距。为了改善说话人自适应的效果,本文从识别的理论出发,将结构化最大后验概率准则(Structure maximum aposteriori probability,SMAP)应用到语音合成的说话人自适应中,并将MLLR,MAP,SMAP等方法结合使用。通过一系列对参数、数据选取等实验,本文探讨了在语音合成中如何更好地提高说话人自适应后的音质和相似度。实验表明,在结合使用最大后验概率相关准则后,说话人自适应可以取得比MLLR更好的效果。展开更多
文摘为了减小最大后验概率(maximum a posteriori,MAP)盲均衡算法中稳态剩余误差和加快收敛速度,提出了一种改进的基于概率和自适应σ的MAP盲均衡算法。根据概率论的原理,分析了MAP算法中σ表示的实际意义,改进算法通过改变更新方程中的高斯信号方差值σ,即由固定值改为可变值,再运用不等概思想进一步的提高了MAP算法的收敛性能。仿真结果表明,与MAP盲均衡算法相比,改进型MAP盲均衡算法具有更好的均衡效果和收敛性能。
文摘在基于隐马尔可夫模型的语音合成说话人自适应中,通常的最大似然线性回归(Maximum likelihoad linear regression,MLLR)方法在自适应后的音质和相似度等方面与原始语音仍有一定的差距。为了改善说话人自适应的效果,本文从识别的理论出发,将结构化最大后验概率准则(Structure maximum aposteriori probability,SMAP)应用到语音合成的说话人自适应中,并将MLLR,MAP,SMAP等方法结合使用。通过一系列对参数、数据选取等实验,本文探讨了在语音合成中如何更好地提高说话人自适应后的音质和相似度。实验表明,在结合使用最大后验概率相关准则后,说话人自适应可以取得比MLLR更好的效果。
