基于改进CFCC特征提取的语种识别算法研究

摘要：

针对在低信噪比下语种识别准确率低的问题,提出一种基于分数阶小波变换的语种识别算法.首先,在特征提取前端采用自适应滤波法对带噪信号进行噪声滤除,以减小噪声对特征提取的影响,提升系统对带噪信号的处理能力.其次,采用新型分数阶小波变换作为小波基函数来模拟信号在耳蜗基底膜上的传播过程,利用非线性幂函数对信号进行压缩处理.最后,通过模拟人耳听觉过程提取改进耳蜗滤波器倒谱系数(CFCC).实验结果表明,改进CFCC与传统CFCC相比显著提升了语种识别准确率,在0 dB信噪比下语种识别准确率平均提升了11.1％,充分验证了所提算法的有效性和稳健性.

关键词：语种识别、自适应滤波、分数阶小波变换、神经网络、耳蜗滤波器倒谱系数

所属期刊栏目：43

分类号：TN912.34

资助基金：国家自然科学基金No.61761025

在线出版日期：2023-02-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：211-221