改进的混合MFCC语音识别算法研究

doi:10.3778/j.issn.1002-8331.2009.33.035

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (33): 108-110.DOI: 10.3778/j.issn.1002-8331.2009.33.035

• 数据库、信号与信息处理 • 上一篇下一篇

改进的混合MFCC语音识别算法研究

袁正午^1，2，肖旺辉¹

1.重庆邮电大学中韩合作GIS研究所，重庆 400065
2.重庆大学土木工程学院博士后流动站，重庆 400045

收稿日期:2009-06-15 修回日期:2009-08-04 出版日期:2009-11-21 发布日期:2009-11-21
通讯作者: 袁正午

Improved speech recognition algorithm based on MFCC feature

YUAN Zheng-wu^1，2，XIAO Wang-hui¹

1.Sino-Korea GIS Research Center，Chongqing University of Posts & Telecommunications，Chongqing 400065，China
2.Civil Engineering Mobile Station for Post Doctors，Chongqing University，Chongqing 400045，China

Received:2009-06-15 Revised:2009-08-04 Online:2009-11-21 Published:2009-11-21
Contact: YUAN Zheng-wu

摘要/Abstract

摘要： 针对MFCC特征参数在语音识别中对中高频信号的识别精度不高的特点，提出采用IMFCC，MIDMFCC，MFCC相结合的改进算法，使用混合滤波器组，提高在语音中高频区域中的识别精度。实验结果表明，改进之后的算法与经典算法比较，在相同环境下对语音信息的识别率都有一定程度的提高。

关键词: Mel频率倒谱系数（MFCC）, 语音识别, 特征提取

Abstract: Aiming at low calculation accuracy of MFCC feature parameters for speech recognition in high-frequency signals，this paper adopts the combination algorithm of IMFCC，MIDMFCC，MFCC，which uses a mixture of filter banks to enhance high-frequency calculation accuracy in the calculation accuracy.The experiments result shows that the recognition rate of improved algorithm increases compared to the classical algorithm in the same environment.

Key words: Mel-Frequency Cepstral Coefficients（MFCC）, speech recognition, feature extraction

中图分类号:

TP391

袁正午^1，2，肖旺辉¹. 改进的混合MFCC语音识别算法研究[J]. 计算机工程与应用, 2009, 45(33): 108-110.

YUAN Zheng-wu^1，2，XIAO Wang-hui¹. Improved speech recognition algorithm based on MFCC feature[J]. Computer Engineering and Applications, 2009, 45(33): 108-110.

[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]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	李杰，李苗，袁细国. 面向新一代测序数据的病原微生物检测算法[J]. 计算机工程与应用, 2021, 57(19): 282-289.
[8]	郭恒光，刘文彪，余仁波. 用于形状特征提取的spike函数[J]. 计算机工程与应用, 2021, 57(18): 220-226.
[9]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[10]	刘星辰，贾俊铖，张莉，胡沁涵. 图像超分辨率特征浓缩网络[J]. 计算机工程与应用, 2021, 57(16): 213-219.
[11]	光睿智，安博文，潘胜达. 基于无锚框网络的航拍航道船舶检测算法[J]. 计算机工程与应用, 2021, 57(15): 251-258.
[12]	周小静，陈俊洪，杨振国，刘文印. 基于手势特征融合的操作动作识别[J]. 计算机工程与应用, 2021, 57(14): 169-175.
[13]	岳琪，徐忠亮，郭继峰. 面向混合乐器音乐分析的稀疏特征提取方法[J]. 计算机工程与应用, 2021, 57(14): 181-186.
[14]	谌贵辉，陈伍，李忠兵，易欣，刘会康，韩春阳. 残差卷积注意网络的图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(12): 193-200.
[15]	郑淋文，周金治，黄静. 深度稀疏自编码器在ECG特征提取中的应用[J]. 计算机工程与应用, 2021, 57(11): 156-161.

改进的混合MFCC语音识别算法研究

Improved speech recognition algorithm based on MFCC feature

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