-
题名范数正则化解相关集成学习基音频率检测
被引量：1
- 1
-
-
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]
-
