导读:本文包含了语音分析论文开题报告文献综述及选题提纲参考文献，主要关键词:人工智能,语音识别,语音合成,电力客服
语音分析论文文献综述
刘丽,陈东方[1]（2019）在《人工智能语音分析技术在电力客服领域的应用研究》一文中研究指出随着近年来传统电力客服的广泛应用,用户规模不断增大,电力用户的通信服务热线如95598、1000号服务热线、电力调度指挥系统等业务的话务压力将急剧增加。而人工坐席和传统自助语音应答系统由于采用了按键交互方式,受限于客服人力、工作时间、知识水平、话务咨询量等因素,严重影响了客户体验。文中研究了智能语音识别、语义理解与语音合成等核心技术,介绍了当前智能语音分析技术在电力客服方面的应用。(本文来源于《中国计算机用户协会网络应用分会2019年第二十叁届网络新技术与应用年会论文集》期刊2019-11-07）
李玉卿,徐成[2]（2019）在《基于听觉注意力模型与BiLSTM和CNN的智能语音分析技术的应用》一文中研究指出随着我国综合国力的不断上升,电力事业也迎来了蓬勃发展的新阶段。电力作为生产生活的基础,其吸纳语音处理技术是大势所趋。为了能够更好地满足电网调度中的实际需求,文中将语音处理技术应用到智能电网调度领域。针对语音识别目前的识别准确性和语音技术在电力系统领域应用研究匮乏的现状,提出了一种基于听觉注意力模型与BiLSTM和CNN的语音情感识别方法,其适用于智能调度领域的语音人机交互系统。在enteraface05,rml和afw6.0 3个不同的情感数据库上进行了情感识别测试。实验结果表明,该方法在上述3个数据库上的平均识别率分别为55.82%,88.23%和43.70%。此外,将传统的语音情感识别方法与基于BiLSTM或CNN的语音情感识别方法进行了比较,验证了所提方法的有效性。(本文来源于《中国计算机用户协会网络应用分会2019年第二十叁届网络新技术与应用年会论文集》期刊2019-11-07）
陈海燕,乔麟,苏立伟[3]（2019）在《基于语音分析的电力行业智能客服评分方法设计》一文中研究指出伴随信息技术的发展与客户习惯的变化,传统的以人工服务为主的客服形态持续地向自动化、智能化、多渠道方向推进,尤其是电力行业这类客服密集型的行业,智能客服已逐渐成为该行业的刚需。95598客户服务热线作为南方电网重要的客户服务渠道,是企业服务客户、收集与交换信息的重要手段。随着用户增长,致电客服中心的客户量激增,传统的人工质检方法面对数量庞大的通话录音数据效率低下,由于随机抽检的随机性、片面性,导致检测失实、客户来电原因数据失真以及客户需求缺失并缺少有效手段收集、统计与分析全量数据。因此需要有效的评分方法去应对上述存在的问题。设计了一种语音质检评分方法和实现装置,可以进行全量覆盖质检,质检效率高,节约了质检工作人员的工作量,提高质检质量,并有效提取客户来电意图数据,并挖掘通话数据中存在的业务及服务问题。(本文来源于《微型电脑应用》期刊2019年09期）
左梦婷,温朝晖[4]（2019）在《基于傅里叶变换对婴幼儿语音分析问题的研究》一文中研究指出针对婴幼儿语音分析的问题,运用了快速傅里叶变换、多元统计分析、平均十二音律法、短时平均能量、马氏距离等方法,构建了男女声鉴别模型、声音谱曲模型、婴幼儿声音语义分析等模型,综合运用了MATLAB、EXCEL等软件编程求解.结果表明,基因频率可以准确判别男女声,通过短时平均能量可以识别婴幼儿所要表达的情感.(本文来源于《赤峰学院学报(自然科学版)》期刊2019年07期）
冯继东[5]（2019）在《智能语音分析系统在呼叫中心的推广及其应用》一文中研究指出呼叫中心的主要工作在于向客户提供服务,其属于劳动密集型的行业,具有劳动强度大、流失率高、培训周期长、培训成本高等特点。随着自身业务范围的扩大,客户对于服务的要求不断提升,这就对客户服务质量提出了更高的要求,若是完全依靠传统人工服务方式无法适应现代社会发展需要。随着技术水平的提升以及服务意识的提高,在呼叫中心中引入智能语音分析系统辅助提升服务客户质量和效率已经成为了最主要的模式,同时能够有效降低成本。本文主要阐述了智能语音分析系统在呼叫中心的推广及其应用方面的内容,希望能够对相关人士有所帮助。引言:呼叫中心属于企业级用户信息和服务信息最主要的入口,传统的呼叫中心工作模式存在着效率低、成本高等问题,很难从大量的信息中准确的提取有效信息。另外,受到传统数据采集方面的影响,数据(本文来源于《电子世界》期刊2019年11期）
孙俊海[6]（2019）在《基于正弦+噪声模型的语音分析合成技术》一文中研究指出语音信号分析合成技术是语音信号处理的一个重要组成部分,一直是近年来研究的热点,特别是,近年来随着多媒体通信技术的迅速发展,人们对语音重建质量提出了更高的要求。为此,该文通过采用正弦模型和噪声模型相结合的分析合成方法,通过提取每一帧信号的幅度、频率、相位和残差等参数,合成每一帧语音信号,然后通过迭加的方式重建语音。研究表明,该模型是一种很好的语音分析合成模型,能合成高质量的语音。(本文来源于《电脑知识与技术》期刊2019年07期）
乔麟,苏立伟,陈海燕[7]（2019）在《基于语音分析的智能质检系统设计》一文中研究指出本文分析了目前电力客服热线质检方法的局限性,梳理问题解决主要突破口,建设了基于语音分析技术的智能质检系统,旨在借助信息技术解决客户服务热线服务过程中的短板问题,对服务质量进行有效的监督和管理,以增强客服质检的深度、广度和力度。(本文来源于《电子测试》期刊2019年02期）
李祯[8]（2018）在《扁桃体肥大患者手术前后语音分析》一文中研究指出目的:采用多通道语音分析系统及多维嗓音分析软件两种声学客观评价系统来进行分析,对因腭扁桃体肥大行扁桃体切除术的患者手术前后的嗓音性质进行客观分析,探讨扁桃体切除术前后共鸣腔的变化对嗓音性质的影响。方法:对34例确诊为扁桃体肥大的患者(均为男性,II度23例,III度11例)行扁桃体切除术,并分别在术前一天及术后一个月利用多通道语音分析系统,对发/a:/的时候频谱能量在头、口、喉、胸四个部位共鸣腔的分布情况及其频谱特征进行分频(0~4000Hz频谱分为FR_1、FR_2、FR_3、FR_4)检测;在术前一天及术后一个月通过多维嗓音分析软件对平稳发元音/a;/时的嗓音频谱进行分析。结果:扁桃体肥大组术后一个月,头腔和口腔FR_2、FR_3能量值、胸腔FR_2能量值较术前提高(P<0.05),较正常对照组差异无统计学意义(P>0.05),头腔、口腔、胸腔FR_1能量值较术前下降(P<0.05),较正常对照组差异无统计学意义(P>0.05),扁桃体切除术后喉腔FR_1、FR_2、FR_3、FR_4能量值与扁桃体切除术前和对照组FR_1~FR_4相比较差异无统计学意义(P>0.05)。扁桃体手术前后F_1,B_1比较差异有统计学意义,基频、基频微扰、振幅微扰比较差异均无统计学意义,NHR较术前下降,差异有统计学意义(P<0.05)。结论:1.扁桃体剥离术后口咽腔的体积扩大、气流通道增宽,舌体的运动恢复正常。口腔及鼻咽腔的气流能顺畅进入并产生共振,口腔和头腔的高频共振由此有明显的加强。喉部的共振特性在扁桃体切除术前后无明显变化,考虑此手术未改变喉腔的生理结构的原因。此外,术后的咽部结构改变使口腔与鼻咽腔气流上下贯通,形成相似的共鸣频率,更大限度的提高了声音的强度。因此,多通道语音分析系统不仅临床上能增加医师对咽喉及鼻部疾患进行发声的客观指标,还可以在声乐领域辅助歌者明确声部类型。2.扁桃体切除术前后会因咽腔扩大使共鸣腔发生改变进一步引发嗓音共振峰频率及带宽的改变,因此II度以上扁桃腺切除术后对嗓音会有一定的影响,患者的音色特征和发音状态会因各人的条件及发音方式的不同而有不同的变化,临床上绝不能忽视嗓音改变,须向患者告知该风险,特别是歌唱家及教师等专业人士。3.嗓音评估对咽喉部手术前后嗓音的变化评估有一定的临床指导意义,尤其对一些特殊职业人群,比如戏曲、播音和歌唱等专业人员。(本文来源于《天津医科大学》期刊2018-11-01）
王旭勇[9]（2018）在《基于语音分析的智能质检关键词提取方法设计》一文中研究指出随着我国经济发展水平的不断提高,智能质检系统的研究日趋深入,使之不断进步与发展,语言质检深入研究之下,大大将呼叫中心质检抽样准确率提高了,工作效率也大幅度提高。纵向分析智能质检系统当前备受关注,人们开始普遍对智能质检自动关键词发现功能开展研究,系统整合后可以快速将预设好的关键词提取到,将语音转换为文本后,提取录音文本关键词,还可以通过TextRank对文本录音中关键词提取,匹配、(本文来源于《电子世界》期刊2018年19期）
许红亮,许容芳,杨凯[10]（2018）在《基于语音分析的肿瘤病人心理情感判断系统的设计》一文中研究指出采集语音数据,通过分帧、端点检测对语音信号进行预处理,提取语音中Mel频率倒谱系数、短时语音能量等特征,通过一对一的方式进行分类训练得到支持向量机分类模型。对模型进行测试,结果显示:该系统判断中性的准确率为96%,悲伤、惊讶为92%,生气为78%,开心为66%。(本文来源于《循证护理》期刊2018年08期）
语音分析论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着我国综合国力的不断上升,电力事业也迎来了蓬勃发展的新阶段。电力作为生产生活的基础,其吸纳语音处理技术是大势所趋。为了能够更好地满足电网调度中的实际需求,文中将语音处理技术应用到智能电网调度领域。针对语音识别目前的识别准确性和语音技术在电力系统领域应用研究匮乏的现状,提出了一种基于听觉注意力模型与BiLSTM和CNN的语音情感识别方法,其适用于智能调度领域的语音人机交互系统。在enteraface05,rml和afw6.0 3个不同的情感数据库上进行了情感识别测试。实验结果表明,该方法在上述3个数据库上的平均识别率分别为55.82%,88.23%和43.70%。此外,将传统的语音情感识别方法与基于BiLSTM或CNN的语音情感识别方法进行了比较,验证了所提方法的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
语音分析论文参考文献
[1].刘丽,陈东方.人工智能语音分析技术在电力客服领域的应用研究[C].中国计算机用户协会网络应用分会2019年第二十叁届网络新技术与应用年会论文集.2019
[2].李玉卿,徐成.基于听觉注意力模型与BiLSTM和CNN的智能语音分析技术的应用[C].中国计算机用户协会网络应用分会2019年第二十叁届网络新技术与应用年会论文集.2019
[3].陈海燕,乔麟,苏立伟.基于语音分析的电力行业智能客服评分方法设计[J].微型电脑应用.2019
[4].左梦婷,温朝晖.基于傅里叶变换对婴幼儿语音分析问题的研究[J].赤峰学院学报(自然科学版).2019
[5].冯继东.智能语音分析系统在呼叫中心的推广及其应用[J].电子世界.2019
[6].孙俊海.基于正弦+噪声模型的语音分析合成技术[J].电脑知识与技术.2019
[7].乔麟,苏立伟,陈海燕.基于语音分析的智能质检系统设计[J].电子测试.2019
[8].李祯.扁桃体肥大患者手术前后语音分析[D].天津医科大学.2018
[9].王旭勇.基于语音分析的智能质检关键词提取方法设计[J].电子世界.2018
[10].许红亮,许容芳,杨凯.基于语音分析的肿瘤病人心理情感判断系统的设计[J].循证护理.2018