利用小波聽覺分頻處理與訊號子空間分解於車內噪音消除

1、利用小波聽覺分頻處理與訊號子空間分解於車內噪音消除利用小波聽覺分頻處理與訊號子空間分解於車內噪音消除王駿發(fā)、楊宗憲、張凱行王駿發(fā)、楊宗憲、張凱行摘要摘要在傳統(tǒng)的訊號子空間語音強化方法(SignalSubspaceSpeechEnhancementMethod)中，其主要是利用噪音能量是均勻分佈於訊號所在的向量空間而語音訊號能量則是分佈於某一子空間的特性，藉由特徵分解(EigenDecomposition)來分析出語音訊號及背景噪音，來進

2、行噪音消除。而在車內噪音環(huán)境中，噪音能量的分佈在低頻帶為最多延伸到高頻則逐漸較少，單一的訊號子空間的語音強化方法已不能更有效的消除位在低頻帶的背景噪音。本論文提出一個基於人耳聽覺特性的分頻處理，並結合訊號子空間強化方法來克服此一問題。實驗的驗證，則是採用TAICAR車內語音資料庫來進行，實驗結果說明本文所提出的方法比起傳統(tǒng)訊號子空間強化法，更適用於車內噪音的消除，低頻噪音的消除也更明顯。聚集事後機率線性迴歸調適演算法應用於語音辨識聚集事

3、後機率線性迴歸調適演算法應用於語音辨識AggregateaPosteriiLinearRegressionfSpeechRecognition黃志賢、王奕凱、簡仁宗黃志賢、王奕凱、簡仁宗摘要摘要在本論文中，我們提出一套由聚集事後機率(aggregateaposterii)為基礎之鑑別式線性回歸(linearregression)轉換矩陣參數(shù)調適演算法。在近幾年，由於鑑別式訓練的效果優(yōu)越，於是出現(xiàn)使用鑑別式訓練法則進行轉換矩陣調適，稱為最

4、小分類錯誤率線性迴歸(minimumclassificationerrlinearregressionMCELR)調適演算法。我們認為使用最小分類錯誤率準則進行線性迴歸調適時，若能再進一步考慮線性迴歸矩陣之事前機率分佈，則可以結合貝氏法則之強健性與最小分類錯誤率之鑑別性，以估測出更佳之轉換矩陣用於語者調適上。透過聚集事後機率與鑑別式訓練間之關連及適當之條件簡化，則可得到參數(shù)更新之封閉解(closefm)型式以加速鑑別式訓練的參數(shù)估測。在

5、實驗中，我們使用TCC300語料進行語音模型參數(shù)之訓練與迴歸矩陣之事前機率分佈之參數(shù)估測，而在調適及測試時，則使用公共電視臺所錄製之電視新聞語料，進行轉換矩陣估測強健性之評估與其他轉換矩陣參數(shù)調適效能之比較，在不同調適語料之實驗結果發(fā)現(xiàn)我們提出之聚集事後機率線性回歸可以有效達到鑑別式語者調適的效果。AThreePhaseSystemfChineseNamedEntityRecognitionConradChenHsiJianLeeAbs

6、tractThehlingofoutofvocabulary(OOV)wdsisoneofthekeypointstoahighperfmancelexicalanalysisinnaturallanguageprocessing.AmongallOOVwdsnamedentities(NE)arethemostproductiveones.Theygenerallyconstitutethemostmeaningfulpartsofs

7、entences(personsaffairstimeplacesobjects).Inthispaperweproposeathreephase“generationfilteringrecovery”systemtoaddresstheNERproblem.AsetofstochasticmodelsisfirstusedtogenerateallpossibleNEcidates.Thenwetreatcidatefilterin

8、gasanambiguityresolutionproblem.Toresolveambiguitiesweadoptamaximalmatchingruledrivenlexicalanalyzer.Lastapatternmatchingmethodisappliedtodetectrecoverabnmalitiesintheresultsoftheprevioustwophases.Purelexicalinfmationise

9、xploitedinoursystem.Wegetahighrecallof96%withpersonalnames(PER)satisfiablerecallof88%89%80%withtransliterationnames(TRA)locationnames(LOC)ganizationnames(G)respectively.Theoverallprecisionexcludingrateisover90%99%.主題導向之非

10、結構化文本資訊擷取技術主題導向之非結構化文本資訊擷取技術劉吉軒、翁嘉緯劉吉軒、翁嘉緯Abstract資訊擷取(infmationextraction)是從自然語言文本中辨出特定主題或事件的描述，進而萃取出相關主題或事件元素的對應資訊，如人、事、時、地、物等。因此，資訊擷取技術能依照需要的主題與事件，自動的解讀自然語言文件，將文件中的原始文字資轉換成結構化的核心資訊。在本論文，我們提出以型態(tài)辨識的方法來處理主題導向的非結構化文本資訊擷取的