基于VMD和Teager能量算子倒谱的方言语种识别

摘要：

针对汉语方言识别率低和在噪声环境下鲁棒性差问题,将特征提取与语音增强结合,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)的改进梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients,MFCC)和Teager能量算子倒谱系数(Teager Energy Operator Cepstral Coefficient,TEOCC)融合的特征提取算法.该算法先将方言信号经VMD改进算法提取特征后再与TEOCC融合,最后通过高斯混合通用背景模型(Gaussian Mixture Model-Universal Background Model,GMM-UBM)进行方言语种识别.实验结果表明:相对于单一的MFCC特征,所提方法在无噪和有噪环境下识别率均有所提升,验证了改进算法在方言语种识别中的有效性.

关键词：方言识别、变分模态分解、Teager能量算子倒谱系数、语音增强

所属期刊栏目：55

分类号：TN912.3

资助基金：国家自然科学基金61271007

在线出版日期：2022-05-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：435-442