新型MFCC和波动模型相结合的二层环境声音识别

对生态环境中各种不同的声音进行快速准确的识别有重要的现实意义,但是因其具有较高背景噪声加大了识别的难度。提出一种具有良好抗噪能力和较高识别性能的两层音频识别技术。选择经过改进的新型的MFCC参数以及波动模型作为生态环境声音的特征集合。利用这种新型的MFCC系数构造音频信号的高斯分布模型,并且计算未知音频信号与样本音频信号的高斯分布模型之间的Kullback-Leibler距离,随后计算它们的波动模型之间的欧几里德距离。根据计算出的Kullback-Leibler距离和欧几里德距离实现两层音频识别系统。实验结果表明两层音频识别技术即使在噪声的影响下也能保持较高的识别率。

基于变步长LMS和SVM的电能表内异物声音识别

提出一种基于变步长最小均方(LMS)和支持向量机(SVM)的电能表内异物声音自动识别方法。由于SVM分类器对噪声敏感,通过变步长LMS实现对采集的电能表内异物声音信号的降噪,相较于固定步长LMS,信噪比提升明显,耗用时间较少。对声音信号进行时、频域和倒谱分析,并提取其短时特征系数及改进梅尔频率倒谱系数(MFCC)。并采用短时能量和MFCC系数构成混合特征矩阵,对该矩阵降维后输入SVM进行异物声音识别。实验证明:提出的方法计算量小、识别率高,有很好的应用价值。

基于特征比较和模拟退火-遗传算法的普通话音素评分模型

为了帮助发音困难者障碍者和外语学习者矫正普通话发音错误,提出基于Mel频率倒谱系数(Mel frequencycepstrum coefficient,MFCC)特征比较和模拟退火-遗传算法(simulated annealing genetic algorithm,SAGA)的普通话音素评分模型。该模型采用动态时间弯折(dynamic timewarping,DTW)算法对普通话音素进行相似度比对,并基于SAGA评分机制对发音进行自动评分。本文对比了不同优化算法(SAGA和局部优化算法)、不同DTW算法对语音评分的影响。结果发现:SAGA评分模型下的音素评分正确率大于94%,远远优于局部优化算法。此外,在SAGA评分模型下,搜索路径为平行四边形的改进DTW算法具有最优的评分结果。因此,基于MFCC和SAGA的评分模型适用于普通话音素评分。