基于SVM的非特定人声调识别的研究

doi:10.3778/j.issn.1002-8331.2009.09.050

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (9): 174-176.DOI: 10.3778/j.issn.1002-8331.2009.09.050

• 图形、图像、模式识别 • 上一篇下一篇

基于SVM的非特定人声调识别的研究

肖汉光¹,蔡从中²

1.重庆工学院数理学院，重庆 400054
2.重庆大学数理学院，重庆 400044

收稿日期:2008-01-11 修回日期:2008-04-09 出版日期:2009-03-21 发布日期:2009-03-21
通讯作者: 肖汉光

Study of speaker-independent tone recognition based on support vector machine

XIAO Han-guang¹,CAI Cong-zhong²

1.School of Mathematics and Physics，Chongqing Institute of Technology，Chongqing 400054，China
2.School of Mathematics and Physics，Chongqing University，Chongqing 400044，China

Received:2008-01-11 Revised:2008-04-09 Online:2009-03-21 Published:2009-03-21
Contact: XIAO Han-guang

摘要/Abstract

摘要： 在建立非特定人普通话四声语调语音数据库的基础上，采用Mel频率倒谱系数（MFCCs）对语音数据进行特征参数的提取，并利用支持向量机（SVM）对语音中的四种声调进行了训练和识别研究。实验结果表明MFCCs和SVM的结合得到的平均识别率达到了97.6%。

关键词: 声调识别, 特征提取, Mel频率倒谱系数（MFCC）, 支持向量机

Abstract: A speaker-independent tone database of Chinese speech（putonghua） is established.The Mel-frequency cepstrum coefficients（MFCCs） are used for extraction of the tone feature parameters.The four recognizing models of four tones are trained by using support vector machine（SVM），and are tested by using the testing tone data.The results show that a recognition accuracy can reach 97.6% by combining MFCCs and SVM.

Key words: tone recognition, feature extraction, Mel-Frequency Cepstrum Coefficients（MFCCs）, Support Vector Machine（SVM）

肖汉光¹,蔡从中². 基于SVM的非特定人声调识别的研究[J]. 计算机工程与应用, 2009, 45(9): 174-176.

XIAO Han-guang¹,CAI Cong-zhong². Study of speaker-independent tone recognition based on support vector machine[J]. Computer Engineering and Applications, 2009, 45(9): 174-176.

[1]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[2]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[3]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[4]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[5]	张晓丽，张魁星，江梅，魏本征，丛金玉. 淋巴瘤图像分类技术研究综述[J]. 计算机工程与应用, 2021, 57(6): 1-9.
[6]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[7]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[8]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.
[9]	李俊侠，张秦，郑桂妹. 超宽带雷达人体姿态识别综述[J]. 计算机工程与应用, 2021, 57(3): 14-23.
[10]	熊健，覃仁超，何梦乙，刘建兰，唐风扬. 改进随机森林在Android恶意软件检测中的应用[J]. 计算机工程与应用, 2021, 57(3): 130-136.
[11]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[12]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[13]	杨泉. N1+N2结构语法关系判定的SVM算法[J]. 计算机工程与应用, 2021, 57(20): 104-108.
[14]	高晋，赵云芃，Godfred Kim Mensah，李欣芸，刘志芬，陈俊杰，郭浩. 静息态功能脑连接的空间动态分析及分类研究[J]. 计算机工程与应用, 2021, 57(2): 150-155.
[15]	李龙龙，何东健，王美丽. 基于改进型LBP算法的植物叶片图像识别研究[J]. 计算机工程与应用, 2021, 57(19): 228-234.

基于SVM的非特定人声调识别的研究

Study of speaker-independent tone recognition based on support vector machine

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics