基于自然语言处理的声纹优化识别算法研究

研究人的声纹的准确识别问题。声音特性没有一个统一的、不可变的标准,人的声音容易受到外界的干扰,声音的声纹美尔频率倒谱系数特征各项属性很容易发生变化。现有算法多半以声纹美尔频率倒谱系数为基础,识别效果容易受环境噪声、语音变异等因素的影响,造成声纹的干扰性变化,造成识别的精度不高。为此提出了一种基于语义特征和美尔频率倒谱系数特征相结合的声纹识别算法。利用MFCC准确提取语音中的频率特征,转化成自然语言环境下的语义特征,由于语义特征不受客观因素影响,减少了噪声信号对语音信号的影响,实现对语音特征的准确识别。实验表明,利用改进算法实现了差异化车辆图像的正确识别,提高了识别的准确度。

基于小麦碰撞声音的霉变区域识别仿真分析

研究小麦霉变区域的识别优化问题,由于小麦霉变粒、受损颗粒与完好粒的物理构造不同,碰撞声信号与正常小麦信号一定存在差异。差异特征各项属性很容易受到外部噪声的干扰发生改变,造成传统的模式识别方法很难准确识别。提出了一种加入干扰分类去除因子的小麦碰撞差异特征霉变识别方法。在小麦碰撞过程中,确定分类决策因子,并且将小麦碰撞声音的残差平方和SSE引入核函数,设计一个小麦碰撞约束超平面,确保碰撞中的系数特征点中的正类输入以及负类输入,分别处于该约束超平面的两端,实现对霉变小麦碰撞特征的干扰消除。实验表明,改进算法实现了小麦霉变区域的特征识别的优化。

一种声纹美尔频率倒谱系数干扰消除算法研究

在伴随着外部噪声的情况下,待识别的声纹美尔频率倒谱系数特征各项属性很容易受到外部噪声的干扰发生改变,造成声纹特征的识别的精度不高。为提高精度,提出了一种用支持向量机的美尔频率倒谱系数特征干扰去除算法。确定分类决策函数时充分考虑美尔频率倒谱系数与声纹中心以及噪声之间的关系,并且将声纹特征引入核函数,将原空间样本数据通过非线性变换映射到高维特征空间,在高维空间中求最优或广义最优分类面,实现对语音特征的干扰消除。实验表明,利用改进算法实现了声纹特征中过零率,倒谱特征、矩形窗和汉明窗长的短时能量函数特征的优化。