-
题名混合MFCC特征参数应用于语音情感识别
被引量：19
- 1
-
-
作者
周萍
李晓盼
李杰
景新幸
-
机构
桂林电子科技大学电子工程与自动化学院
桂林电子科技大学计算机科学与工程学院
桂林电子科技大学信息与通信学院
-
出处
《计算机测量与控制》
北大核心
2013年第7期1966-1968,1986,共4页
-
基金
国家自然科学基金资助项目(60961002)
广西自然科学基金资助项目(2012GXNSFAA053221)
-
文摘
引入两种新的特征参数Mid-MFCC和IMFCC,采用MFCC、Mid-MFCC和IMFCC相结合的改进算法,解决MFCC特征参数在语音识别中对中、高频信号的识别精度不高的特点,并使用增减分量法计算MFCC、Mid-MFCC和IMFCC各阶倒谱分量对语音情感识别的贡献,提取3个特征参数贡献最高的几阶倒谱分量组成了新的特征参数;实验结果表明,在相同环境下新的特征参数比经典MFCC特征参数的语音情感的识别率稍高。
-
关键词
Mel频率倒谱系数(MFCC)
增减分量法
特征提取
-
Keywords
MFCC
increase or decrease component method
feature extraction
-
分类号
TP391.42
[自动化与计算机技术—计算机应用技术]
-
-
题名基于融合特征ADRMFCC的语音识别方法
- 2
-
-
作者
朵琳
马建
韦贵香
唐剑
-
机构
昆明理工大学信息工程与自动化学院
-
出处
《吉林大学学报（理学版）》
CAS
北大核心
2024年第4期943-950,共8页
-
基金
国家自然科学基金(批准号:61962032)。
-
文摘
针对在复杂噪声环境下语音识别准确率低和鲁棒性差的问题,提出一种基于增减残差Mel倒谱融合特征的语音识别方法.该方法首先利用增减分量法筛选关键语音特征,然后将其映射到Mel域-残差域空间坐标系中生成增减残差Mel倒谱系数,最后将这些融合特征用于训练端到端模型.实验结果表明,该方法在不同噪声类型和信噪比条件下均显著提高了语音识别准确率及性能,在-5 dB低信噪比条件下,语音识别准确率达73.13%,而在其他噪声条件下的平均语音识别准确率达88.67%,充分证明了该方法的有效性和鲁棒性.
-
关键词
语音识别
残差Mel倒谱系数
特征筛选
增减分量法
-
Keywords
speech recognition
residual Mel cepstral coefficient
feature screening
increase and decrease component method
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TN912.3
[自动化与计算机技术—计算机科学与技术]
-
