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
共找到9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：
利用抗噪幂归一化倒谱系数的鸟类声音识别 被引量：18
1
作者 颜鑫 李应 《电子学报》 EI CAS CSCD 北大核心 2013年第2期295-300,共6页
针对真实环境中各种背景噪声下的鸟类声音识别问题,提出了一种基于新型抗噪特征提取的鸟类声音识别技术.首先,根据适用于高度非平稳环境下的噪声估计算法求出噪声功率谱.其次,使用多频带谱减法对声音功率谱进行降噪处理.接着,结合降噪... 针对真实环境中各种背景噪声下的鸟类声音识别问题,提出了一种基于新型抗噪特征提取的鸟类声音识别技术.首先,根据适用于高度非平稳环境下的噪声估计算法求出噪声功率谱.其次,使用多频带谱减法对声音功率谱进行降噪处理.接着,结合降噪的声音功率谱提取抗噪幂归一化倒谱系数(APNCC).最后,采用支持向量机(SVM)分别对提取的APNCC,幂归一化倒谱系数(PNCC)和Mel频率倒谱系数(MFCC)对34种鸟类声音进行不同环境和信噪比情况下的对比实验.实验表明,提取的APNCC具有较好的平均识别效果及较强的噪声鲁棒性,更适用于信噪比低于30dB环境下的鸟类声音识别. 展开更多
关键词 鸟类声音识别 非平稳噪声估计 多频带谱减法 抗噪幂归一化倒谱系数 MEL频率倒谱系数
在线阅读 下载PDF
基于改进PNCC-SVM的滚动轴承故障声纹识别方法 被引量：1
2
作者 王寅杰 邓艾东 +2 位作者 范永胜 占可 高原 《噪声与振动控制》 CSCD 北大核心 2024年第3期146-151,164,共7页
针对滚动轴承声信号分析信噪比低、易受环境噪声干扰的问题,提出一种基于改进功率归一化倒谱系数(Power-Normalized Cepstral Coefficients,PNCC)和支持向量机(Support Vector Machine,SVM)的滚动轴承故障声纹识别方法。首先对轴承声信... 针对滚动轴承声信号分析信噪比低、易受环境噪声干扰的问题,提出一种基于改进功率归一化倒谱系数(Power-Normalized Cepstral Coefficients,PNCC)和支持向量机(Support Vector Machine,SVM)的滚动轴承故障声纹识别方法。首先对轴承声信号进行预处理;然后提取改进的PNCC并将其作为特征向量;进而根据SVM算法建立声纹识别模型对轴承故障类型进行识别,并测试所提方法在叠加噪声后的识别准确率。结果表明,改进PNCC具有识别准确率高的特点,在噪声干扰下相比原始PNCC识别准确率均值提高13.35%,鲁棒性更强。研究结果可为滚动轴承的声信号特征提取和故障识别应用提供参考。 展开更多
关键词 故障诊断 滚动轴承 声纹识别 鲁棒性 功率归一化倒谱系数 支持向量机
在线阅读 下载PDF
基于双微麦克风阵列与WideResNet网络的语音命令词识别 被引量：1
3
作者 祁潇潇 曾庆宁 赵学军 《计算机应用与软件》 北大核心 2024年第5期126-130,共5页
为了提高噪声环境下语音识别的稳健性[1],提出宽残差深度神经网络的语音识别算法。该算法结合双微麦克风阵列系统、语音数据集为双微麦克风数据集,使用功率归一化倒谱系数作为特征参数输入到残差网络中进行训练。实验表明,与ResNet15模... 为了提高噪声环境下语音识别的稳健性[1],提出宽残差深度神经网络的语音识别算法。该算法结合双微麦克风阵列系统、语音数据集为双微麦克风数据集,使用功率归一化倒谱系数作为特征参数输入到残差网络中进行训练。实验表明,与ResNet15模型、ResNet18模型相比,只有三个残差模块的宽残差网络在噪声环境下语音命令词的识别和内外部说话人检测任务中具有较高的准确度,均达到了95%以上。 展开更多
关键词 语音识别 宽残差神经网络 功率归一化倒谱系数 双微麦克风阵列
在线阅读 下载PDF
SPNCC与一维双通道CNN-LSTM相结合的变压器局部放电故障音频检测 被引量：8
4
作者 翟学明 郭嘉 翟羽佳 《智能系统学报》 CSCD 北大核心 2023年第3期534-543,共10页
变压器运行时产生的声音信号包含了丰富的状态信息,可作为变压器故障诊断的重要依据。为提高变压器故障音频诊断效果,首先将变压器运行时现场采集的声音信号分为工作环境噪声信号、正常工作音频信号以及局部放电故障音频信号;然后通过... 变压器运行时产生的声音信号包含了丰富的状态信息,可作为变压器故障诊断的重要依据。为提高变压器故障音频诊断效果,首先将变压器运行时现场采集的声音信号分为工作环境噪声信号、正常工作音频信号以及局部放电故障音频信号;然后通过卷积神经网络分类、小波包分解以及巴特沃斯带通滤波的方法去除原始音频信号中的非稳态环境噪声和短时稳态环境噪声信号;并建立了基于简化版幂律归一化倒谱系数特征的一维双通道卷积神经网络−长短时记忆网络的变压器局部放电故障识别模型。通过现场采集某500 kV变电站不同自然环境下的变压器运行声音信号与故障仿真实验,验证了提出的局部放电故障识别模型的可行性,相较于传统的音频故障诊断方法,提出的模型具有更快的收敛速度,更好的故障识别准确率与故障分类准确率。 展开更多
关键词 变压器局部放电 变压器故障检测 智能电网 小波包分解 简化版幂律归一化倒谱系数 Gammatone滤波器 卷积神经网络 长短时记忆网络
在线阅读 下载PDF
基于改进PNCC和i-vector的说话人识别鲁棒性 被引量：3
5
作者 史小元 景新幸 +1 位作者 曾敏 杨海燕 《计算机工程与设计》 北大核心 2017年第4期1071-1075,共5页
针对传统的梅尔频率倒谱系数(MFCC)在说话人识别系统中鲁棒性不足的问题,提出一种基于改进幂率归一化倒谱系数(PNCC)特征算法和身份向量(i-vector)训练模型的方法。与传统的MFCC不同,PNCC利用长时帧估计背景噪声;在此基础上,通过多窗谱... 针对传统的梅尔频率倒谱系数(MFCC)在说话人识别系统中鲁棒性不足的问题,提出一种基于改进幂率归一化倒谱系数(PNCC)特征算法和身份向量(i-vector)训练模型的方法。与传统的MFCC不同,PNCC利用长时帧估计背景噪声;在此基础上,通过多窗谱估计、平滑幅度谱包络和均值方差归一化(MVA)等技术进一步提升其鲁棒性。以i-vector为基准模型,在TIMIT语音库上进行说话人识别实验,实验结果表明,在不同噪声、不同信噪比下,所提算法相比其它特征有最低的等错误率,鲁棒性最强,在信噪比低于10dB的噪声环境中具有更大优势。 展开更多
关键词 幂率归一化倒谱系数 身份向量 均值方差归一化 多窗谱估计 鲁棒性 说话人识别
在线阅读 下载PDF
一种低信噪比环境下的语音端点检测算法 被引量：5
6
作者 卜玉婷 曾庆宁 郑展恒 《声学技术》 CSCD 北大核心 2020年第5期592-602,共11页
端点检测技术是语音信号处理的关键技术之一,为提高低信噪比环境下端点检测的准确率和稳健性,提出了一种非平稳噪声抑制和调制域谱减结合功率归一化倒谱距离的端点检测算法。该算法首先通过抑制非平稳噪声再采用调制域谱减消除残余噪声... 端点检测技术是语音信号处理的关键技术之一,为提高低信噪比环境下端点检测的准确率和稳健性,提出了一种非平稳噪声抑制和调制域谱减结合功率归一化倒谱距离的端点检测算法。该算法首先通过抑制非平稳噪声再采用调制域谱减消除残余噪声来提升信噪比,减少语音失真。然后再提取每帧信号的功率归一化倒谱系数,计算每帧信号与背景噪声的功率归一化倒谱距离。最后将该倒谱距离作为检测参数,采用双门限判决方法进行端点检测。实验结果表明,该端点检测算法对语音帧和噪声帧具有较好的区分性。此外,在低信噪比环境下,所提出的算法对于不同类型的噪声都具有较好的稳健性。 展开更多
关键词 低信噪比 瞬态抑制 调制域 功率归一化倒谱系数 倒谱距离 端点检测
在线阅读 下载PDF
基于LVQ混合网络的非特定语音识别 被引量：1
7
作者 梁树岭 王朝立 +1 位作者 梁振英 杜佳明 《计算机应用与软件》 CSCD 2010年第12期5-7,11,共4页
介绍一种新的等距离采样参数归一化方法。针对美尔倒谱系数(MFCC)和一阶、二阶美尔倒谱系数,提出了一种新的学习矢量量化(LVQ1)和改进学习矢量量化(LVQ2)结合的识别算法。仿真结果表明所提出的算法相对于只用LVQ1网络识别,可以有效改善... 介绍一种新的等距离采样参数归一化方法。针对美尔倒谱系数(MFCC)和一阶、二阶美尔倒谱系数,提出了一种新的学习矢量量化(LVQ1)和改进学习矢量量化(LVQ2)结合的识别算法。仿真结果表明所提出的算法相对于只用LVQ1网络识别,可以有效改善学习效率。 展开更多
关键词 语音识别 参数归一化 美尔倒谱系数 学习矢量量化网络
在线阅读 下载PDF
基于PNCC与基频的鲁棒电话语音性别检测方案 被引量：1
8
作者 钟顺明 况鹏 +3 位作者 庄豪爽 冯韩德 王剑莹 张涵 《华南师范大学学报（自然科学版）》 CAS 北大核心 2019年第6期118-122,共5页
针对电话语音性别检测存在识别准确率较低的问题,提出了一种有效的电话语音性别检测方案(CNN+SVM);首先,采用卷积神经网络(Convolutional Neural Network,CNN)提取幂律归一化倒谱系数(Power-Normalized Cepstral Coefficient,PNCC)的有... 针对电话语音性别检测存在识别准确率较低的问题,提出了一种有效的电话语音性别检测方案(CNN+SVM);首先,采用卷积神经网络(Convolutional Neural Network,CNN)提取幂律归一化倒谱系数(Power-Normalized Cepstral Coefficient,PNCC)的有效信息;然后,结合优化后的基频特征,选用支持向量机(Support Vector Machine,SVM)实现性别分类.该方案有效融合了男、女发音和听觉感知特性上的差异,同时利用了CNN特征提取能力以及SVM鲁棒分类能力.仿真结果表明:CNN+SVM方案针对实际场景电话语音数据集的性别识别准确率优于传统识别方法. 展开更多
关键词 幂律归一化倒谱系数 卷积神经网络 性别检测 支持向量机 基频
在线阅读 下载PDF
多通道PNCC与残差网络命令词识别系统
9
作者 张硕 曾庆宁 +1 位作者 郑展恒 卜玉婷 《现代电子技术》 2022年第21期37-42,共6页
针对非用户语音和噪声干扰下命令词识别的准确率和稳健性问题,提出多通道麦克风阵列与功率归一化倒谱系数结合残差神经网络的命令词识别系统。首先,应用残差单元构建标准ResNet⁃CW⁃15多任务模型和低功耗ResNet⁃CW⁃6多任务模型,当模型判... 针对非用户语音和噪声干扰下命令词识别的准确率和稳健性问题,提出多通道麦克风阵列与功率归一化倒谱系数结合残差神经网络的命令词识别系统。首先,应用残差单元构建标准ResNet⁃CW⁃15多任务模型和低功耗ResNet⁃CW⁃6多任务模型,当模型判断命令词为用户发出后,开始执行命令词识别功能,若判断为非用户,则不执行命令词识别功能。其次,采用多通道麦克风阵列采集含有空域特征信息的语音命令词数据集。最后,应用对噪声具有一定鲁棒性的功率归一化倒谱系数作为命令词数据集的特征对网络进行训练。标准ResNet⁃CW⁃15模型在噪声条件下命令词识别率和用户/非用户判断性能表现良好。低功耗模型ResNet⁃CW⁃6虽然在整体命令词识别率和用户判断准确率有所降低,但网络参数大幅度减少,极大降低了系统的功耗,更适合广泛部署在小型低功耗智能设备。 展开更多
关键词 命令词识别系统 多通道麦克风阵列 多任务模型 功率归一化倒谱系数 残差网络 低功耗 用户判断
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部