基于听觉模型的话者特征参数提取及其在噪声背景下的话者辨识

本文基于人耳听觉模型提出了一种鲁棒性的话者特征参数提取方法．该种方法中，首先由Ｇａｍｍａｔｏｎｅ听觉滤波器组和Ｍｅｄｄｉｓ内耳毛细胞发放模型获得表征听觉神经活动特性的听觉相关图。由听觉神经脉冲发放的锁相特性和双声抑制特性，我们将听觉相关图每个频带中的幅值最大频率分量作为表征当前频带特性的特征参量，于是所有频带的特征参量便构成了表征当前语音段特性的特征矢量；我们采用ＤＣＴ变换进一步消除各个特征参量之间的相关性，压缩特征矢量的维数．有效性试验表明，该种特征矢量基本上反映了输入语音的谱包络特性；抗噪声性能实验表明，在高斯白噪声和汽车噪声干扰下，该种特征参数比ＬＰＣＣ和ＭＦＣＣ有较个的相对失真；基于矢量量化的文本无关话者辨识表明。

一种基于SVDD的舰船机械特征选取新方法

由于传统的特征选取方法大多都依赖于具体的故障类型,必须根据一类或多类故障产生的样本集训练进行特征选取,所以针对某种故障选取的特征对另一种故障状态不一定也能有较好的效果。SVDD(Support Vector Data De-scription)是基于正常样本的单值分类器,与其它分类器相比,它形成的最优分类面与具体的故障类型样本没有关系。利用这个原理,以海水泵为例提出了一种基于SVDD的特征选取新方法,通过对ROC(Rece iver Operating Characteristic)曲线的分析来完成舰船机械状态监测的特征选取工作,为了使选取的特征在复杂的舰船实际环境中也具有良好性能,还进行了特征的抗噪声鲁棒性研究。同时基于SVDD的特征选取方法还综合了分类的两种分类错误进行特征优化选取,可以更科学地为舰船机械状态监测选取较好的特征参数。