噪声环境下听觉特征融合的语种识别

针对单一信号特征CFCC与GFCC在低信噪比下识别率不高的问题,提出一种噪声环境下听觉特征融合的语种识别方法。在特征提取前端对含噪语音信号进行端点检测,然后结合谱减法与维纳滤波器对信号进行噪声滤除;再根据人耳听觉频率集中范围采用带通滤波器滤除高频以及低频中噪声,进一步减小噪声对信号特征提取的影响;提取GFCC融入CFCC构成融合特征,再采用主成分分析对融合特征进行降维处理;最后将处理后的融合特征通过频域注意力Fcanet网络模型进行分类识别。实验对比不同特征在不同信噪比下的性能实验表明,融合特征较单一特征语种识别率有显著提升,特别在0 dB信噪比下较单一特征GFCC和CFCC识别准确率分别提升了9.75%和11.08%,具有较强的鲁棒性。

基于改进CFCC特征提取的语种识别算法研究

针对在低信噪比下语种识别准确率低的问题,提出一种基于分数阶小波变换的语种识别算法。首先,在特征提取前端采用自适应滤波法对带噪信号进行噪声滤除,以减小噪声对特征提取的影响,提升系统对带噪信号的处理能力。其次,采用新型分数阶小波变换作为小波基函数来模拟信号在耳蜗基底膜上的传播过程,利用非线性幂函数对信号进行压缩处理。最后,通过模拟人耳听觉过程提取改进耳蜗滤波器倒谱系数(CFCC)。实验结果表明,改进CFCC与传统CFCC相比显著提升了语种识别准确率,在0dB信噪比下语种识别准确率平均提升了11.1%,充分验证了所提算法的有效性和稳健性。