期刊导航
期刊开放获取
唐山市科学技术情报研究..
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于伽马通频率倒谱系数的短语音说话人确认
被引量：
1
1
作者
瞿于荃
龙华
段荧
《数据通信》
2021年第2期36-41,共6页
针对梅尔倒谱系数特征难以满足短语音说话人确认的问题,本文从同样是模仿人耳听觉机理的伽马通滤波器为基础,提出让抗噪性能更佳的伽马通频率倒谱系数作为输入特征。首先,在短语音条件下,提取伽马通频率倒谱系数,采用加减特征分量法计...
针对梅尔倒谱系数特征难以满足短语音说话人确认的问题,本文从同样是模仿人耳听觉机理的伽马通滤波器为基础,提出让抗噪性能更佳的伽马通频率倒谱系数作为输入特征。首先,在短语音条件下,提取伽马通频率倒谱系数,采用加减特征分量法计算其不同维数的贡献度大小。其次,选取其中贡献较高的分量作为特征,保留那些最能表征不同说话人之间差异的维数,直接实现了特征参数降维。最后,采用多种特征及其混合,通过i-vector说话人确认系统验证伽马通频率倒谱系数在短语音下的有效性。实验数据表明,不同测试语音长度条件下,相较其他声学及衍生特征,伽马通频率倒谱系数具有较强短语音的表征能力,单独使用或融合其他参数都进一步提升识别等误差率。
展开更多
关键词
说话人确认
加减特征分量
伽马通频率倒谱系数
短语音
在线阅读
下载PDF
职称材料
基于GFCC-SVM-RFE的电力设备声音特征提取方法
被引量：
2
2
作者
王赵国
韦存海
+3 位作者
彭雅妮
武明路
李军彬
翟永杰
《电力信息与通信技术》
2022年第9期34-42,共9页
火电厂电力设备声音包含了丰富的有效信息,但受限于复杂环境噪声,使得有效特征提取极其困难。为解决这一问题,文章提出一种基于GFCC-SVM-REF的特征提取方法,并在现场采集的6种设备运行声音、加入ESC-50公共数据集中的环境干扰音以及对...
火电厂电力设备声音包含了丰富的有效信息,但受限于复杂环境噪声,使得有效特征提取极其困难。为解决这一问题,文章提出一种基于GFCC-SVM-REF的特征提取方法,并在现场采集的6种设备运行声音、加入ESC-50公共数据集中的环境干扰音以及对原始设备声音加入不同分贝的高斯白噪声这3类数据上对2种经典语音识别领域的特征提取方法进行抗噪性和准确性的对比。仿真结果表明,针对所研究的数据集,GFCC-SVM-RFE方法在10 dB和20 dB的高斯白噪声下分别达到了81.04%和96.88%的准确率。
展开更多
关键词
电力设备
声音特征提取
环境噪音
梅尔
频率
倒
谱系
数
伽马通频率倒谱系数
支持向量机递归特征消除
在线阅读
下载PDF
职称材料
题名
基于伽马通频率倒谱系数的短语音说话人确认
被引量：
1
1
作者
瞿于荃
龙华
段荧
机构
昆明理工大学信息工程与自动化学院
昆明理工大学云南省计算机国家重点实验室
出处
《数据通信》
2021年第2期36-41,共6页
文摘
针对梅尔倒谱系数特征难以满足短语音说话人确认的问题,本文从同样是模仿人耳听觉机理的伽马通滤波器为基础,提出让抗噪性能更佳的伽马通频率倒谱系数作为输入特征。首先,在短语音条件下,提取伽马通频率倒谱系数,采用加减特征分量法计算其不同维数的贡献度大小。其次,选取其中贡献较高的分量作为特征,保留那些最能表征不同说话人之间差异的维数,直接实现了特征参数降维。最后,采用多种特征及其混合,通过i-vector说话人确认系统验证伽马通频率倒谱系数在短语音下的有效性。实验数据表明,不同测试语音长度条件下,相较其他声学及衍生特征,伽马通频率倒谱系数具有较强短语音的表征能力,单独使用或融合其他参数都进一步提升识别等误差率。
关键词
说话人确认
加减特征分量
伽马通频率倒谱系数
短语音
分类号
R391.4 [医药卫生—基础医学]
在线阅读
下载PDF
职称材料
题名
基于GFCC-SVM-RFE的电力设备声音特征提取方法
被引量：
2
2
作者
王赵国
韦存海
彭雅妮
武明路
李军彬
翟永杰
机构
国家电投集团电站运营技术(北京)有限公司
石家庄良村热电有限公司
华北电力大学自动化系
出处
《电力信息与通信技术》
2022年第9期34-42,共9页
基金
国家自然科学基金联合基金项目重点支持项目(U21A20486)。
文摘
火电厂电力设备声音包含了丰富的有效信息,但受限于复杂环境噪声,使得有效特征提取极其困难。为解决这一问题,文章提出一种基于GFCC-SVM-REF的特征提取方法,并在现场采集的6种设备运行声音、加入ESC-50公共数据集中的环境干扰音以及对原始设备声音加入不同分贝的高斯白噪声这3类数据上对2种经典语音识别领域的特征提取方法进行抗噪性和准确性的对比。仿真结果表明,针对所研究的数据集,GFCC-SVM-RFE方法在10 dB和20 dB的高斯白噪声下分别达到了81.04%和96.88%的准确率。
关键词
电力设备
声音特征提取
环境噪音
梅尔
频率
倒
谱系
数
伽马通频率倒谱系数
支持向量机递归特征消除
Keywords
power equipment
sound feature extraction
environmental noise
mel frequency cepstral coefficients
gammatone frequency cepstral coefficients
support vector machine recursive feature elimination
分类号
TB535 [理学—声学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于伽马通频率倒谱系数的短语音说话人确认
瞿于荃
龙华
段荧
《数据通信》
2021
1
在线阅读
下载PDF
职称材料
2
基于GFCC-SVM-RFE的电力设备声音特征提取方法
王赵国
韦存海
彭雅妮
武明路
李军彬
翟永杰
《电力信息与通信技术》
2022
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
