计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (11): 155-160.DOI: 10.3778/j.issn.1002-8331.1611-0044
张小恒1,2,李勇明2,朱 斌2
ZHANG Xiaoheng1,2, LI Yongming2, ZHU Bin2
摘要: 低信噪比环境下的基音频率检测极其重要且富有挑战性,至今未得到很好的解决。基于此,首先构造了基于PEFAC的频域空间检测模型,将基音频率作为特征进行提取,然后提出范数正则化的解相关集成学习神经网络模型(L2-DNNE)对其进行训练,利用负相关学习机制(NCL)和模型复杂度约束项提高集成学习模型的泛化能力,从而获取基音频率的最优值,且在测试精度和时间代价上取得了较好的平衡。将该算法与相关有代表性的算法进行比较。比较结果表明,该算法在不同类型不同程度的噪声环境下,能显著提升检测识别率,尤其在低信噪比下有更显著优势。