基于TEO-DCT和缺失特征的瞬态声识别
为解决噪声环境下瞬态声自动识别系统性能下降的问题,在自动识别系统前端采用Teager能量算子(TEO)和离散余弦变换(DCT)相结合的方法进行降噪处理,同时采取基于高斯混合模型(GMM)的缺失特征边缘化算法进行自动分类。实验结果表明,此方法可以显著地提高噪声环境下系统的识别性能。
Teager能量算子、离散余弦变换、缺失特征、高斯混合模型
TN911.7-34
2015-06-30(万方平台首次上网日期,不代表论文的发表时间)
共4页
12-15
点击收藏,不怕下次找不到~
Teager能量算子、离散余弦变换、缺失特征、高斯混合模型
TN911.7-34
2015-06-30(万方平台首次上网日期,不代表论文的发表时间)
共4页
12-15
国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”
国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304
©天津万方数据有限公司 津ICP备20003920号-1
违法和不良信息举报电话:4000115888 举报邮箱:problem@wanfangdata.com.cn