辽宁省博士科研启动基金(20081019)
- 作品数：4 被引量：26H指数：3
- 相关作者：安冬王骄李晶皎杨丹荣超群更多>>
- 相关机构：东北大学沈阳建筑大学更多>>
- 发文基金：辽宁省博士科研启动基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术自然科学总论更多>>
- 基于EEMD和ICA的语音去噪方法被引量：14
- 2011年
- 语音去噪技术是语音识别系统走向实用化的一个关键性难题.针对语音信号为非平稳信号的特点,提出了一种基于EEMD和ICA相结合的语音去噪方法,首先利用集合经验模态分解(EEMD)算法将含噪语音信号分解为若干个独立的固有模态函数(IMF),消除了经验模态分解(EMD)算法处理语音信号时产生的模态混迭现象;然后将固有模态函数通过改进的独立分量分析(ICA)算法分离出若干个有效的语音信号分量;最后对其进行语音重构,从而达到消除噪声干扰的目的.实验结果表明,该方法在输入信噪比为-10dB的汽车噪声条件下,可以将语音信号的信噪比提高到2.741 2 dB.
- 李晶皎安冬王骄
- 关键词：经验模态分解独立分量分析语音去噪
- CPSO聚类和KMP相结合的说话人识别方法
- 2013年
- 针对目前广泛应用于说话人识别领域的MFCC特征参数包含较少说话人特征信息的问题和SVM分类器选择核函数时受到Mercer准则限制的问题,提出了一种将混沌粒子群算法(CPSO)与核匹配追踪算法(KMP)相结合的说话人识别方法.首先通过CPSO聚类算法将MFCC特征参数进行变换处理,得到精简的MFCC特征参数(SMFCC),然后利用KMP算法对核函数的形式没有任何限制的特性和良好的分类识别性能,对约简后的SMFCC特征参数进行分类训练和识别.仿真实验结果表明,基于CPSO-KMP说话人识别方法相比主流的GMM-UBM方法,在EER性能上相对提高了31%.
- 李晶皎安冬杨丹王骄
- 关键词：混沌粒子群算法聚类核匹配追踪说话人识别
- 基于PSOA聚类和KMP算法的说话人识别方法被引量：8
- 2013年
- 在说话人识别领域,MFCC特征参数得到了广泛的应用,但是MFCC特征参数包含了语义信息、语种信息和说话人信息等多种信息,所以存在参数中说话人个性特征信息不明显的问题,而且将MFCC应用于SVM分类器时受Mercer准则的限制。针对以上问题,提出了一种将PSOA聚类与核匹配追踪算法(KMP)相结合的说话人识别方法,首先通过PSOA聚类算法将MFCC特征参数进行变换处理,得到精简的MFCC特征参数,然后利用KMP算法对核函数形式没有任何限制的特性,对精简后的MFCC特征参数进行分类训练和识别。实验结果表明,基于PSOA-KMP的说话人识别方法相比GMM-UBM识别方法,在EER性能上相对提高了38%。
- 安冬荣超群杨丹王骄
- 关键词：粒子群算法聚类核匹配追踪说话人识别
- 噪声环境下说话人识别的TEO-CFCC特征参数提取方法被引量：4
- 2012年
- 针对广泛应用于说话人识别的MFCC特征参数在低信噪比环境下识别正确率急剧下降的问题,提出了一种TEO-CFCC特征参数提取方法。在CFCC特征参数的基础上,首先通过信号相位匹配的方法消除语音噪声,然后在CFCC特征参数的求取过程中加入Teager能量算子,将语音的能量作为说话人的特征参数之一,得到TEO-CFCC特征参数。实验表明,提出的TEO-CFCC特征参数在信噪比为-5dB的汽车噪声条件下,识别正确率可达到83.2%。
- 李晶皎安冬杨丹王骄
- 关键词：相位匹配能量算子说话人识别
