《计算机工程与应用》唯一官方网站
 首页  |  期刊介绍  |  编委会  |  投稿指南  |  道德声明  |  中图分类号  |  期刊订阅  |  联系我们  |  English
《计算机工程与应用》唯一官方网站
模式识别与人工智能 最新目录 | 下期目录 | 过刊浏览 | 高级检索  |   
模糊熵在车载环境下语音端点检测中的应用
恩  德,张凤磊,张  昭,忽胜强
河南理工大学 电气工程与自动化学院,河南 焦作 454000
Application of fuzzy entropy in speech endpoint detection in car environments
EN De, ZHANG Fenglei, ZHANG Zhao, HU Shengqiang
College of Electrical?Engineering and Automation, Henan Polytechnic University, Jiaozuo, Henan 454000, China
 全文: PDF (630 KB)   HTML (1 KB)  输出: BibTeX | EndNote (RIS)      背景资料
摘要 为了提高车载噪声环境下语音端点检测的准确性,介绍了一种新的时间序列复杂性测度:模糊熵,并将其应用于语音信号的特征提取。分别以样本熵和模糊熵提取含噪语音信号的特征,使用双门限法对语音信号进行端点检测,特征门限值使用模糊C均值聚类算法和贝叶斯信息准则算法确定。仿真结果表明在车载噪声环境下与样本熵算法相比,模糊熵算法能更好地区分噪声信号和语音信号,具有更好的端点检测性能,相同环境下模糊熵算法的错误率比样本熵算法降低了16%以上。
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
恩 德
张凤磊
张 昭
忽胜强
关键词模糊熵   样本熵   语音端点检测   模糊C均值聚类算法   贝叶斯信息准则     
Abstract: In order to improve the accuracy of speech endpoint detection in car environment, introduces a new measure of time series complexity, fuzzy entropy, and applies it to the characterization of speech. With sample entropy and fuzzy entropy respectively to the characterization of speech signals in car environments, and uses fuzzy C-means clustering algorithm and Bayesian information criterion algorithm, estimates the thresholds of the characteristics, then by using dual threshold method for endpoint detection. Experimental results demonstrate that, the fuzzy entropy method can distinguish the noise and speech signals better and has better performance of endpoint detection than sample entropy in car environments, the accuracy rate of fuzzy entropy method is superior to sample entropy method more than 16% in the same environments.
Key wordsfuzzy entropy   sample entropy   speech endpoint detection   fuzzy C-means clustering algorithm   Bayesian Information Criterions   
引用本文:   
恩 德,张凤磊,张 昭等. 模糊熵在车载环境下语音端点检测中的应用[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(10): 147-150.
EN De,ZHANG Fenglei,ZHANG Zhao et al. Application of fuzzy entropy in speech endpoint detection in car environments[J]. CEA, 2016, 52(10): 147-150.
链接本文:  
http://cea.ceaj.org/CN/
 
没有找到本文相关图表信息
没有本文参考文献
[1] 汪鲁才,曹鹏霞,姜小龙. 一种改进的含噪语音端点检测方法[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(15): 162-167.
[2] 赵 愿1,毛军军1,2. 一种新的区间直觉模糊熵及其应用[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(12): 85-89.
[3] 纪丽珍1,李 鹏1,李 林2,刘澄玉1,王新沛1,李 可1,刘常春1. 冠心病患者心脏电-机械活动时间序列的熵分析[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(10): 265-270.
[4] 喻 勇1,张云伟1,王 静2,王大龙2,王彦钧2,包 俊1. 基于计算机视觉的烟叶病害识别研究[J]. 《计算机工程与应用》唯一官方网站, 2015, 51(20): 167-171.
[5] 王晓华,屈 雷. 基于时频参数融合的自适应语音端点检测算法[J]. 《计算机工程与应用》唯一官方网站, 2015, 51(20): 203-207.
[6] 李佳骏,宋旭东,李艳红. Vague软集的新模糊熵及其应用[J]. 《计算机工程与应用》唯一官方网站, 2015, 51(13): 221-224.
[7] 常天庆,李 勇,陈军伟,张 洋. 基于最大能量匹配与样本熵的小波降噪方法[J]. 计算机工程与应用, 2014, 50(21): 210-213.
[8] 田旺兰,李加升. 改进运用深度置信网络的语音端点检测方法[J]. 计算机工程与应用, 2014, 50(20): 207-210.
[9] 王 民1,孙 广1,沈利荣2,刘 利1. 基于对数能量倒谱特征的端点检测算法[J]. 计算机工程与应用, 2014, 50(16): 198-201.
[10] 包希日莫1,高光来1,张 璟2. 基于遗传算法的声学模型拓扑结构优化[J]. 计算机工程与应用, 2014, 50(14): 5-8.
[11] 柳佳雯1,梁光明2,刘任任1,谢雅婷1,丁建文3. 融合加窗色调直方图的彩色图像FCM分割算法[J]. 计算机工程与应用, 2013, 49(3): 230-233.
[12] 王景芳1,宁矿凤2. Toeplitz含噪语音端点鲁棒检测[J]. 计算机工程与应用, 2013, 49(18): 217-222.
[13] 包希日莫1,高光来1,张 璟2. 基于BIC与PSO的简约语音识别系统创建[J]. 计算机工程与应用, 2013, 49(10): 14-17.
[14] 汤 霖,姜世芬. 多类噪声环境下的语音端点检测[J]. 计算机工程与应用, 2012, 48(29): 114-118.
[15] 侯丽霞,曾以成,焦 蓓. 强噪声环境下基于改进HHT的语音端点检测[J]. 计算机工程与应用, 2012, 48(28): 139-142.
版权所有 © 《《计算机工程与应用》唯一官方网站》编辑部
通信地址: 北京619信箱26分箱 邮编: 100083 电话: (010)89055542 E-mail: ceaj@vip.163.com
技术支持:北京玛格泰克科技发展有限公司
京ICP备13024262号-1