噪声条件下的语音特征PLP参数的提取

研究了噪声背景条件下的语音特征提取。使用特征补偿的方法,并运用听觉心理学的三个概念:临界带谱分析、等响度曲线、强度响度听觉幂率,实现了PLP语音特征参数的提取。在此基础上用RATSA技术和半升正弦函数倒谱提升技术来改进此参数,并获得了良好的效果。

基于改进梅尔频谱倒谱系数和集成决策网络的心音分类算法

心音分析对先心病早期诊断具有重要意义。本文不依赖分割心动周期,提出一种基于费希尔判别升半正弦函数(F-HRSF)改进的梅尔频率倒谱系数(MFCC)和集成决策网络的心音分类算法。首先对心音信号进行分帧加窗得到帧处理的心音信号,然后提取其MFCC特征。考虑到MFCC子带分量的权重问题,根据各子带分量的费希尔判别比值重构升半正弦函数,计算出贡献系数用于加权。本文分类模型采用卷积神经网络(CNN)、长短时记忆网络(LSTM)和门控循环单元(GRU)三种网络集成,最后通过多数投票算法得出二分类结果,准确率、灵敏度、特异度、修正准确率和F得分分别为92.15%、91.43%、92.83%、92.01%和92.13%。结果说明本文算法在先心病早期筛查中具有较大潜力。