基于对数能量倒谱特征的端点检测算法.pdf

基于对数能量倒谱特征的端点检测算法.pdf

ID:55730658

大小:915.52 KB

页数:5页

时间:2020-06-03

基于对数能量倒谱特征的端点检测算法.pdf_第1页
基于对数能量倒谱特征的端点检测算法.pdf_第2页
基于对数能量倒谱特征的端点检测算法.pdf_第3页
基于对数能量倒谱特征的端点检测算法.pdf_第4页
基于对数能量倒谱特征的端点检测算法.pdf_第5页
资源描述:

《基于对数能量倒谱特征的端点检测算法.pdf》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、l982014.50(16)ComputerEngineeringandApplications计算机工程与应用基于对数能量倒谱特征的端点检测算法-_Z民,孙广,沈利荣2刘利WANGMin,SUNGuang,SHENLirong,LIULi1.西安建筑科技大学信息与控制工程学院,西安7100552.西安石油大学光电油气测井与检测教育部重点实验室,西安7100651.SchoolofInformationandControlEngineering,Xi’anUniversityofArchitectureandTechnology,Xi’an710055,China2.KeyLa

2、boratoryofPhotoelectricLoggingandDetectingofOilandGas,MinistryofEducation,Xi’anShiyouUniversity,Xi’an710065,ChinaWANGMin,SUNGuang,SHENLirong,eta1.VoiceactivitydetectionusinglogarithmicenergyandcepstrumDis—tance.ComputerEngineeringandApplications,2014,50(16):198—201.Abstract:Endpointdetection

3、isoneofthekeytechnologiesofspeechrecognition,inordertoovercometheundesirabledetectionresultsoftraditionalcepstrumdistanceinspeechendpointdetectionalgorithmunderlowsignaltonoiseratio,combinedlogarithmicenergyfeature(LE)withcepstrumfeatures(C)f0rendpointdetection,proposesanewlogarithmicenergyc

4、epstrumfeatures(LEC),usesfuzzyC-meansclusteringandBayesianinformationcriteriontoestimatefeaturesthreshold,achievesbetterendpointjudgment,conductstheSNRsimulationfrom一5dBto15dBwithnoisyspeechunderthreekindsoftypicalnoise.TheresultsindicatethattheLECmethod’detectionerrorratesisjust20.25%andsig

5、nificant—lylowerthancepstrumandlogarithmicenergymethod,italsocaneffectivelydeterminethespeechendpointandimprovevoicerecognitionresults.Keywords:logarithmicenergy;cepstrumdistance;FuzzyC-meansclustering;BayesianInformationCriterions(BIC);Enapointdetection摘要:端点检测技术是语音识别的关键技术之一,为了克服传统倒谱距离语音端点检测

6、算法在低信噪比下检测效果的不理想,将对数能量(LE)特征和倒谱(c)特征相结合,提出了一种新的对数能量倒谱特征(LEC),采用模糊C均值聚类和贝叶斯信息准则(BIC)方法估计特征门限,得出了正确的语音端点判断,在三种典型噪声下,对信噪比从一5dB到l5dB的带噪声语音进行仿真,结果表明LEC法的检测错误率仅为20.25%,明显低于倒谱法和对数能量法,能有效地确定语音的端点并改善语音识别效果。关键词:对教能量;倒谱距离;模糊C均值聚类;贝叶斯信息准则(B1C);端点检测文献标志码:A中图分类号:TP3doi:10.3778/j.issn.1002-8331.1209-0255l引

7、青倒谱距离、谱熵法、对数能量,神经网络法等,检测目前语音识别与说话人识别的研究中,语音端点检效果上得到了很大的改善,然而上述算法也比较容易受测的准确率在很大程度上决定着整个系统的识别率。噪声影响,因此,在实际环境应用中体现不出好的推广端点检测的传统方法是采用语音信号的时域特征,短时前景。能量和短时过零率作为特征参数,该方法在高信噪比文献[4]提出了对数能量法,与传统的线性能量相时具有很好的检测效果,而在低信噪比时检测效果则非比,不会出现对数能量特征中噪声段特征值过大的问常不理想。近年来提出了

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。