-
题名基于进化算法低信噪比环境的基音频率检测
被引量：1
- 1
-
-
作者
张小恒
李勇明
谢文宾
-
机构
重庆广播电视大学
重庆大学通信工程学院
-
出处
《现代电子技术》
北大核心
2017年第11期46-52,共7页
-
基金
国家自然科学基金(61108086
61171089
+9 种基金
91438104
61471073)
CSTC(cstc2012jj A40015)
中央高校基金(CDJZR12160011
CDJZR155507
CDJZR13160008
CDJZ165501)
国家博士后基金(2013M532153)
重庆博士后特别资助
重庆市教委科学技术研究项目资助(KJ1603805)
-
文摘
构造频域空间的检测模型,将基音频率作为特征值进行提取,然后为检测模型引入模型参数即优化因子,通过进化算法对该因子进行全局优化,从而获取基音频率的全局最优值,在优化精度和时间代价上取得了较好的平衡。采用两种具有代表性的进化算法进行算法设计,包括遗传算法(GA算法)和粒子群算法(PSO算法)。将所提算法与相关有代表性的算法进行比较,结果表明,所提算法在不同类型不同程度的噪声环境下,能显著提升检测识别率,尤其是在极低信噪比下,优势更为明显。
-
关键词
极低信噪比环境
基音频率
进化算法
遗传算法
粒子群算法
-
Keywords
very-low SNR environment
fundamental tone frequency
evolutionary algorithm
genetic algorithm
PSO
-
分类号
TN912.3
[电子电信—通信与信息系统]
-
-
题名范数正则化解相关集成学习基音频率检测
被引量：1
- 2
-
-
作者
张小恒
李勇明
朱斌
-
机构
重庆广播电视大学
重庆大学信号与信息处理研究所
-
出处
《计算机工程与应用》
CSCD
北大核心
2017年第11期155-160,共6页
-
基金
国家自然科学基金(No.61108086
No.91438104
+11 种基金
No.61571069
No.81601970
No.61501065)
中国博士后科学基金(No.2013M532153)
中央高校基本科研业务费专项资金(No.CDJZR155507)
重庆市教委科学技术研究项目(No.KJ1603805)
重庆市基础科学与前沿技术研究专项(No.cstc2016jcyj A0043
No.cstc2016jcyj A0064
No.cstc2016jcyj A0134)
重庆市社会事业与民生保障科技创新专项(No.cstc2016shmszx40002)
重庆市博士后科研项目特别资助
教育部留学回国人员基金
-
文摘
低信噪比环境下的基音频率检测极其重要且富有挑战性,至今未得到很好的解决。基于此,首先构造了基于PEFAC的频域空间检测模型,将基音频率作为特征进行提取,然后提出范数正则化的解相关集成学习神经网络模型(L2-DNNE)对其进行训练,利用负相关学习机制(NCL)和模型复杂度约束项提高集成学习模型的泛化能力,从而获取基音频率的最优值,且在测试精度和时间代价上取得了较好的平衡。将该算法与相关有代表性的算法进行比较。比较结果表明,该算法在不同类型不同程度的噪声环境下,能显著提升检测识别率,尤其在低信噪比下有更显著优势。
-
关键词
低信噪比环境
基音频率
范数正则化的解相关集成学习神经网络模型(L2-DNNE)
-
Keywords
very low Signal Noise Ratio(SNR)environment
fundamental frequency
L2 Decorrelated Neural Network Ensembles(L2-DNNE)
-
分类号
TN912
[电子电信—通信与信息系统]
-
