Symlets小波和子空间联合增强下的语音识别

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (5): 141-145.

• 数据库、信号与信息处理 • 上一篇下一篇

Symlets小波和子空间联合增强下的语音识别

吴昊，鲁周迅

南京工业大学电子与信息工程学院，南京 210009

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-02-11 发布日期:2011-02-11

Speech recognition based on combined enhancement of Symlets wavelet and subspace

WU Hao，LU Zhouxun

College of Electronics and Information Engineering，Nanjing University of Technology，Nanjing 210009，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-02-11 Published:2011-02-11

摘要/Abstract

摘要： 针对小波阈值选择的多样性，主要研究了小波自适应阈值消噪联合子空间增强对特定人汉语孤立词识别系统的鲁棒性提升。采用Mel倒谱系数，在基于矢量量化（VQ）和高斯混合模型（GMM）的两个系统上，检验采用联合Symlets小波多阈值消噪和子空间增强算法在互为先后顺序作用下系统的识别率，给出一个先Symlets小波阈值消噪再子空间增强的语音增强方法。人耳感官和Matlab实验证实该方法结合了两者的优点，不但平衡了语音失真和噪声抑制，亦可提高VQ系统的顽健性，而对于GMM系统作用有限。

关键词: Symlets小波, 子空间, 语音增强, 语音识别

Abstract: A combined method of Symlets wavelet and subspace is proposed based on experimental robustness comparison in Chinese speaker-dependent isolated word recognition against wavelet threshold diversification.The experiment built on Matlab utilizes VQ（Vector Quantization） and GMM（Gaussian Mixture Models） respectively based on MFCC（Mel Frequency Cepstrum Coefficient）.The way Symlets wavelet before subspace performs much better than the other order.Robustness of VQ system is strengthened distinctly after utilizing advantages of both methods.Aesthesis of auditory sense is improved，while the effect on GMM system is not so well as expectation.

Key words: Symlets wavelet, subspace, speech enhancement, speech recognition

吴昊，鲁周迅. Symlets小波和子空间联合增强下的语音识别[J]. 计算机工程与应用, 2011, 47(5): 141-145.

WU Hao，LU Zhouxun. Speech recognition based on combined enhancement of Symlets wavelet and subspace[J]. Computer Engineering and Applications, 2011, 47(5): 141-145.

[1]	桑江徽，姜海燕. 基于联合分布的多标记迁移学习[J]. 计算机工程与应用, 2021, 57(9): 154-161.
[2]	石正宇，陈仁文，黄斌. 基于自归一化神经网络的低分辨率人脸识别[J]. 计算机工程与应用, 2021, 57(3): 137-143.
[3]	王师琦，曾庆宁，龙超，熊松龄，祁潇潇. 语音增强与检测的多任务学习方法研究[J]. 计算机工程与应用, 2021, 57(20): 197-202.
[4]	马洋，赵旭俊. 基于相关子空间的多源离群检测算法[J]. 计算机工程与应用, 2021, 57(17): 88-95.
[5]	胡文涛，陈秀宏. 基于局部保持投影的鲁棒稀疏子空间学习[J]. 计算机工程与应用, 2021, 57(10): 194-199.
[6]	董艳花，张树美，赵俊莉. 有遮挡人脸识别方法综述[J]. 计算机工程与应用, 2020, 56(9): 1-12.
[7]	王雨思，路德杨，李海洋. 基于分式函数约束的稀疏子空间聚类方法[J]. 计算机工程与应用, 2020, 56(7): 39-47.
[8]	王义武，杨余旺. 空间投影在K-means算法中的研究与应用[J]. 计算机工程与应用, 2020, 56(7): 200-204.
[9]	郑毅，马盈仓，杨小飞，续秋霞. 基于[k]-近邻与局部相似度的稀疏子空间聚类[J]. 计算机工程与应用, 2020, 56(4): 99-108.
[10]	金闳奇，陈新度，吴磊. 结合随机子空间和级联残差网络的缺陷检测[J]. 计算机工程与应用, 2020, 56(23): 265-269.
[11]	朱丹，陈晓红，吴卿源，李舜酩. 自适应图学习诱导的子空间聚类[J]. 计算机工程与应用, 2020, 56(21): 30-37.
[12]	覃凤婷，杨有龙，仇海全. 基于稀疏子空间的局部异常值检测算法[J]. 计算机工程与应用, 2020, 56(19): 152-159.
[13]	郭圣，仲兆满，李存华. 基于深度自编码的多视图子空间聚类网络[J]. 计算机工程与应用, 2020, 56(17): 60-68.
[14]	刘文芬，穆晓东，黄月华. 基于多分辨率网格的异常检测方法[J]. 计算机工程与应用, 2020, 56(17): 78-85.
[15]	李丹. 结构加权相关自适应子空间聚类[J]. 计算机工程与应用, 2020, 56(13): 137-142.

Symlets小波和子空间联合增强下的语音识别

Speech recognition based on combined enhancement of Symlets wavelet and subspace

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