期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
古典音乐的三维声拾音--三维声重放与三维声拾音阵列
被引量:
3
1
作者
曹勐
周朔然
《演艺科技》
2022年第2期17-23,共7页
从三维声重放对古典音乐的作用入手,对古典音乐的三维声重放系统和三维声拾音阵列进行梳理和总结,并对不同拾音阵列的拾音效果进行了分析比较。
关键词
古典
音
乐
三维声
三维声
拾音阵列
下载PDF
职称材料
古典音乐的三维声拾音——拾音方式比较分析与应用案例
被引量:
1
2
作者
曹勐
周朔然
《演艺科技》
2022年第3期23-29,共7页
结合具体拾音案例对古典音乐的三维声拾音技术进行梳理总结,探讨阵列选择、传声器指向性、上层传声器使用等问题,并指出目前的研究不足和未来的研究方向。
关键词
古典
音
乐
三维声
拾
音
三维声
拾音阵列
下载PDF
职称材料
基于深度学习的多声源并行化声纹辨别方法
被引量:
6
3
作者
刘镇
吕超
范远超
《江苏科技大学学报(自然科学版)》
CAS
2018年第1期106-111,共6页
随着大数据时代的到来,快速而有效地辨别声纹已经成为智能感知领域的重要需求,而传统神经网络和单拾音器系统的辨别精度不高,样本数据量大,其运算速度严重制约了系统的实时性.文中方法通过拾音阵列获取目标声源的位置和时频域信息,利用...
随着大数据时代的到来,快速而有效地辨别声纹已经成为智能感知领域的重要需求,而传统神经网络和单拾音器系统的辨别精度不高,样本数据量大,其运算速度严重制约了系统的实时性.文中方法通过拾音阵列获取目标声源的位置和时频域信息,利用GPU并行构造掩蔽函数,实现信号数据级融合,强化目标语音特征,然后将多通道的MFCC(mel-frequency cepstral coefficient)声纹参数进行特征级融合,输入深度信念网络(deep belief network,DBN)进行训练和识别,同时使用CUDA(compute unified device architecture)平台对DBN的训练过程进行了并行优化.该方法能在多声源环境下全面地提取目标声纹,有效提高声纹辨别准确率,缩短数据训练耗时,保证了系统实时性.该方法为大数据环境下语音信号高性能处理提供了一种实现方式.
展开更多
关键词
声纹辨别
拾音阵列
特征融合
深度信念网络
CUDA并行化
下载PDF
职称材料
题名
古典音乐的三维声拾音--三维声重放与三维声拾音阵列
被引量:
3
1
作者
曹勐
周朔然
机构
中国音乐学院
麦吉尔大学
出处
《演艺科技》
2022年第2期17-23,共7页
文摘
从三维声重放对古典音乐的作用入手,对古典音乐的三维声重放系统和三维声拾音阵列进行梳理和总结,并对不同拾音阵列的拾音效果进行了分析比较。
关键词
古典
音
乐
三维声
三维声
拾音阵列
Keywords
classical music
3D audio
3D microphone arrays
分类号
TN912.3 [电子电信—通信与信息系统]
J604 [艺术—音乐]
下载PDF
职称材料
题名
古典音乐的三维声拾音——拾音方式比较分析与应用案例
被引量:
1
2
作者
曹勐
周朔然
机构
中国音乐学院
麦吉尔大学
出处
《演艺科技》
2022年第3期23-29,共7页
文摘
结合具体拾音案例对古典音乐的三维声拾音技术进行梳理总结,探讨阵列选择、传声器指向性、上层传声器使用等问题,并指出目前的研究不足和未来的研究方向。
关键词
古典
音
乐
三维声
拾
音
三维声
拾音阵列
Keywords
classical music
3D audio
recording techniques
3D microphone arrays
分类号
TN912.2 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
基于深度学习的多声源并行化声纹辨别方法
被引量:
6
3
作者
刘镇
吕超
范远超
机构
江苏科技大学计算机科学与工程学院
出处
《江苏科技大学学报(自然科学版)》
CAS
2018年第1期106-111,共6页
基金
江苏省科技厅政策引导类计划(产学研合作)前瞻性联合研究项目(BY2015065-05)
文摘
随着大数据时代的到来,快速而有效地辨别声纹已经成为智能感知领域的重要需求,而传统神经网络和单拾音器系统的辨别精度不高,样本数据量大,其运算速度严重制约了系统的实时性.文中方法通过拾音阵列获取目标声源的位置和时频域信息,利用GPU并行构造掩蔽函数,实现信号数据级融合,强化目标语音特征,然后将多通道的MFCC(mel-frequency cepstral coefficient)声纹参数进行特征级融合,输入深度信念网络(deep belief network,DBN)进行训练和识别,同时使用CUDA(compute unified device architecture)平台对DBN的训练过程进行了并行优化.该方法能在多声源环境下全面地提取目标声纹,有效提高声纹辨别准确率,缩短数据训练耗时,保证了系统实时性.该方法为大数据环境下语音信号高性能处理提供了一种实现方式.
关键词
声纹辨别
拾音阵列
特征融合
深度信念网络
CUDA并行化
Keywords
voiceprint identification,pick-up array,feature fusion,deep belief network,parallelization of CUDA
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
古典音乐的三维声拾音--三维声重放与三维声拾音阵列
曹勐
周朔然
《演艺科技》
2022
3
下载PDF
职称材料
2
古典音乐的三维声拾音——拾音方式比较分析与应用案例
曹勐
周朔然
《演艺科技》
2022
1
下载PDF
职称材料
3
基于深度学习的多声源并行化声纹辨别方法
刘镇
吕超
范远超
《江苏科技大学学报(自然科学版)》
CAS
2018
6
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部