大部分检测方法针对平稳信号设计,使用单一统计模型分析检测性能,面对语音信号及复杂环境噪声时,效果常因模型失配而变差。为探索具有较高鲁棒性的语音信号检测方法,将语音信号与不同环境噪声混合并将其映射为图,设计基于图结构的语音...大部分检测方法针对平稳信号设计,使用单一统计模型分析检测性能,面对语音信号及复杂环境噪声时,效果常因模型失配而变差。为探索具有较高鲁棒性的语音信号检测方法,将语音信号与不同环境噪声混合并将其映射为图,设计基于图结构的语音信号检测方法。通过实验比较该方法与传统M2M4方法的性能。对比受试者工作特征(ReceiverOperating Characteristic,ROC)曲线和曲线下面积(Area Under Curve,AUC)值,图检测方法均优于M2M4方法的检测性能。在不同实验条件下,基于图检测方法的信号检测具有更优的检测性能。展开更多
文摘大部分检测方法针对平稳信号设计,使用单一统计模型分析检测性能,面对语音信号及复杂环境噪声时,效果常因模型失配而变差。为探索具有较高鲁棒性的语音信号检测方法,将语音信号与不同环境噪声混合并将其映射为图,设计基于图结构的语音信号检测方法。通过实验比较该方法与传统M2M4方法的性能。对比受试者工作特征(ReceiverOperating Characteristic,ROC)曲线和曲线下面积(Area Under Curve,AUC)值,图检测方法均优于M2M4方法的检测性能。在不同实验条件下,基于图检测方法的信号检测具有更优的检测性能。