|
|||||
|
|
| 支持向量机在语音激活检测中的应用研究 | |
| 引用本文： | 董恩清,赵鹤鸣,周亚同,张晓娣.支持向量机在语音激活检测中的应用研究[J].通信学报,2003,24(3):70-77. |
| 作者姓名： | 董恩清 赵鹤鸣 周亚同 张晓娣 |
| 作者单位： | 1. 苏州大学,电子信息学院,江苏,苏州,215021;西安交通大学,电子与信息工程学院,陕西,西安,710049 2. 苏州大学,电子信息学院,江苏,苏州,215021 3. 西安交通大学,电子与信息工程学院,陕西,西安,710049 4. Alberta大学,电子与计算机工程系,加拿大Edmonton T6G 2V4 |
| 基金项目： | 国家自然科学基金资助项目(60172016) |
| 摘 要： | 提出将支持向量机(SVM)方法应用于语音激活检测(VAD),并验证SVM方法在VAD检测中的有效性。采用了快速训练支持向量机的序列最小最优化方法(SMO)进行训练。提出的基于SVM的VAD方法仍然采用G.729附件B(G.729B)中的VAD方法所采用的特征参数作为分类的特征参数。经过基于SVM的VAD方法与G.729B的VAD方法进行比较,表明SVM方法应用于VAD中是有效的。 |
| 关 键 词： | 支持向量机 模式识别 统计学习理论 语音激活检测 语音编码 |
| 文章编号： | 1000-436X(2003)03-0070-08 |
| 修稿时间： | 2001年10月15 |
Applying support vector machines to voice activity detection |
|
| DONG En-qing,ZHAO He-ming,ZHOU Ya-tong,ZHANG Xiao-di.Applying support vector machines to voice activity detection[J].Journal on Communications,2003,24(3):70-77. | |
| Authors: | DONG En-qing ZHAO He-ming ZHOU Ya-tong ZHANG Xiao-di |
| Affiliation: | DONG En-qing1,2,ZHAO He-ming1,ZHOU Ya-tong2,ZHANG Xiao-di3 |
| Abstract: | A new voice activity detector(VAD) algorithm using support vector machines(SVM) is proposed in the paper, and the new VAD effectiveness is validated. Sequential minimal optimization (SMO) algorithm for fast training support vector machines is adopted. The proposed VAD algorithm via SVM (SVM-VAD) also uses the characteristic parameters set used by G.729 annex B (G.729B) VAD. Comparing SVM-VAD with G.729B VAD shows that it is effective for applying SVM to VAD. |
| Keywords: | support vector machines pattern recognition statistical learning theory voice activity detector speech coding |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |