排序方式: 共有50条查询结果,搜索用时 15 毫秒
1.
为了解决噪声环境下语种识别准确率低的问题,提出一种将梅尔倒谱系数和伽马频率倒谱系数融合的语种识别方法。首先提取语音的梅尔倒谱系数和伽马频率倒谱系数,并依据语种识别中的贡献度对特征进行筛选;接着将特征映射在由梅尔域-伽马域组成的空间坐标系中,以得到梅尔伽马倒谱系数(MGCC);最后,将特征输入深度神经网络中进行语种识别。实验结果表明,所提方法的识别准确率和速度远高于使用单一声学特征及其他语种特征的方法。在纯净环境下,所提方法的语种识别准确率可以达到99.38%,在-5 dB低信噪比环境下也可达到89%以上。这充分证明了所提方法的有效性和鲁棒性。 相似文献
2.
文章讨论在模拟信源量化过程中,已知输入量化器的信号幅度统计特性时,如何采用标量量化使量化器达到最优,从而使量化失真达到最小。在对量化器优化设计的理论分析的基础上,以高斯分布特征的信源进行了最优标量量化,并得到了性能曲线,与香农率失真定理指出的理论下界进行了对比,所得出的分析方法以及结论对量化器工程应用具有一定的价值。 相似文献
3.
正交幅度调制(Quadrature Amplitude Modulation,QAM)信号的调制模式识别一直以来是人们研究的热点,通过星座图来进行调制模式识别也是一种常见的方法。然而,大多数调制模式识别算法会受到频偏和相偏的干扰,因此提出了一种幅度相位分步识别的QAM识别算法来识别调制模式。先利用卷积神经网络(Convolutional Neural Networks,CNN)识别出未消除频偏相偏的QAM星座图的幅度层数,对信号进行第一次分类;再检测每个信号点的瞬时相位进行差分,得到每个点之间的相位跳变幅度;经过减法聚类确定相位跳变次数,由此对信号在相位上进行二次分类,最后识别出QAM信号的调制模式。该方法虽然步骤比传统方法繁琐,但是不依赖于信号的频偏消除和相偏消除,能够起到很好的抗频偏作用。此外,因为没有频偏消除和相偏消除的步骤,所以使得信号不至于在频偏消除和相偏消除等预处理过程中损失信息量。经过试验,这种方法在识别率上比传统的神经网络识别方法在低信噪比下有更好的识别率。 相似文献
4.
5.
6.
7.
为了解决广播音频中经常存在噪声干扰和时间延迟导致音频比对结果不准确的问题,提出具有延时自适应意识的音频比对算法。针对常用算法中测量音频特征距离抗噪性能差的不足,采用倒谱对两音频的混合信号分析,并利用倒谱对功率谱中的等距离频率成分有很强的分辨能力这一特性来进行自适应延时估计和比对;为比对不同情况的两音频都可得到准确的相似度,提出对其中一音频加入短延时,再将两音频叠加混合后做倒谱分析;并根据加入不同短延时的效果选择出最优短延时,进一步提升算法性能。使用真实广播不同节目中截取出来的多个音频,在无噪声和不同信噪比加性高斯白噪声条件下,通过仿真实验评估了所提出算法的性能,比较了不同信噪比下的延时估计结果和音频相似度。实验结果证明,所提出方法的延时估计结果和比对结果优于现有算法,在低信噪比(SNR= 2dB)下,也可以达到90.36%的音频比对匹配精度,且计算速度能够达到实时比对的要求。 相似文献
8.
句法分析是自然语言处理领域中应用前景非常广阔的一个研究方向。针对目前句法分析多数是从字、词的角度出发且存在诸多不足,提出了二、三元词模型相结合的句法规则层次化分析算法,并结合分词、词性标注以及句子组织信息之间的结合度来解决词元间优先合成的问题,同时利用句子成分之间的语法结构关系对词性、词序的影响,实现句法规则的层次化分析实验。实验结果表明,二元与三元词模型相结合的句法规则层次化分析算法相比于独立二、三元词模型,准确率和召回率分别提高了82.04%和8083%,与现有基于二分结构句法分析的RNN-INT算法和词汇化模型算法相比,准确率和召回率均有明显提升。 相似文献
9.
用支持向量机建立新的核函数,使得该函数集集成无穷多个AdaBoost算法的弱分类器,最终形成强分类器。应用该强分类器进行人脸检测。实验结果表明,该方法的人脸检测率优于有限维AdaBoost算法,提高了检测精度。 相似文献
10.