共被期刊论文引用了4次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 改进的DWT-MFCC特征提取算法显示文摘基于离散小波变换的美尔倒谱系数(DWT-MFCC)^([1])将小波变换引入到MFCC参数的提取中,用DWT代替FFT将语音信号分解为多个频带的小波系数,并将小波系数的频率响应直接拼接为完整频谱后再通过Mel滤波器获得。改进的DWT-MFCC特征提取算法从滤波的角度分析小波分解过程及各子带频谱的变化,提出了新的有效频谱拼接方式。实验结果表明,改进的特征提取算法提高了说话人的识别率;同时,在该算法下随着小波滤波器db N长度的增加,滤波器截止特性变好,识别率也随着增加。 | 殷瑞祥 程俊杰 | 2017 | 现代电子技术2017，40，9： | 3 |
| 2 | 应用小波多分辨率理论提取个性特征的研究显示文摘利用小波多分辨率的理论对语音信号进行信号分解,结合其发声特性,分析高低频段对说话人识别的贡献大小,根据识别结果的分析,提取出了可以综合识别时间和识别效率的特征参数。实验结果表明,一层分解后的小波细节系数识别率为94.4%,比原信号MFCC提高7%,而数据个数却比原信号降低了一半,二次分解后的高频段语音依然得到了较高识别率,提取出的较低频信号也可以达到70.8%的识别率。 | 梁慧 曾水平 | 2013 | 计算机工程与应用2013，49，9： | 1 |
| 3 | 基于语音分析的肿瘤病人心理情感判断系统的设计显示文摘采集语音数据,通过分帧、端点检测对语音信号进行预处理,提取语音中Mel频率倒谱系数、短时语音能量等特征,通过一对一的方式进行分类训练得到支持向量机分类模型。对模型进行测试,结果显示:该系统判断中性的准确率为96%,悲伤、惊讶为92%,生气为78%,开心为66%。 | 许红亮 许容芳 杨凯 | 2018 | 循证护理2018，4，8： | 1 |
| 4 | 一种基于小波包主成分分析的语音情感识别方法显示文摘在语音情感识别中,由于特征参数的提取直接影响到最终的识别效率,从原始语音信号中提取特征参数是非常重要的。但是本文中提取的特征维数太多,导致特征匹配时过于复杂,消耗系统资源,不得不采用特征降维的方法。本文主要是研究一种在小波包变换的基础上通过特征降维来提高语音情感识别效果的方法,为此本文在德国库EMODB的基础上,通过小波包变换提取出语音的情感特征参数,然后利用主成分分析法对特征参数进行降维,最后利用支持向量机进行训练和测试。通过实验,获得了较好的识别效果。 | 朱宗宝 王坤侠 肖玲玲 刘文静 | 2017 | 安徽建筑大学学报2017，25，5： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员