导读:本文包含了倒谱参数论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:参数,谱系,稀疏,巴克,频率,耳蜗,模型。
倒谱参数论文文献综述
史燕燕,白静[1]（2019）在《融合CFCC和Teager能量算子倒谱参数的语音识别》一文中研究指出针对现有表征语音特性的特征提取不完善的问题,提出了一种耳蜗滤波倒谱系数(Cochlear Filter Cepstral Coefficients,CFCC)和Teager能量算子倒谱参数(Teager Energy Operators Cepstral Coefficients,TEOCC)相互融合的方法。该方法将表征人耳听觉特性的CFCC和体现非线性能量特性的TEOCC的融合特征应用到语音识别系统中,并联合主成分分析(Principal Components Analysis,PCA)对该融合特征进行特征选择和优化,最后通过支持向量机进行语音识别。实验结果表明:该融合特征与单一特征相比具有更佳的语音识别性能,结合PCA后其语音识别的准确率平均提高了3.7%。(本文来源于《计算机科学》期刊2019年05期）
倪纪伟,彭妙颜[2]（2019）在《基于Fisher比的Bark倒谱系数混合特征参数提取方法》一文中研究指出在说话人识别应用中,本文针对传统的Bark尺度特征参数提取过程中的不足,利用高斯滤波器组(Gaussian shaped filters,GF)代替叁角滤波器组,对输入的能量进行滤波,其相比叁角滤波器滤波结果更加平滑。由于巴克倒谱系数(BFCC)在高频精度不足,再利用Fisher准则将BFCC与IBFCC相结合,构造了一种新的混合特征参数。实验结果表明,在纯净语音及噪声环境下,本文提出的使用高斯滤波器组的BFCC比使用叁角滤波器组的MFCC识别率高,而新的混合特征参数识别性能更优。(本文来源于《电声技术》期刊2019年01期）
樊晓鹤,赵鹤鸣,陈雪勤,周燕[3]（2018）在《倒谱参数稀疏分解下的汉语音谎言检测》一文中研究指出为了提高汉语语音的谎言检测准确率,提出了一种对信号倒谱参数进行稀疏分解的方法。首先,采用小波包滤波器组对语音信号进行多频带划分,求得子频带对数能量并进行离散余弦变换以提取小波包频带倒谱系数,结合梅尔频率谱系数得到倒谱参数;其次,依据K-奇异值分解方法分别利用说谎和非说谎两种状态下的语音倒谱参数集训练得到过完备混合字典,在此字典上根据正交匹配追踪算法对参数集进行稀疏编码提取稀疏特征;最终进行多种分类模型下的识别实验·实验结果表明,稀疏分解方法相比传统参数降维方法具有更好的优化性能,本文推荐的稀疏谱特征最佳识别率达到78.34%,优于其他特征参数,显着提高了谎言检测识别准确率。(本文来源于《声学学报》期刊2018年01期）
梁敏,朱虹[4]（2017）在《基于倒谱分析的混合模糊退化模型参数估计》一文中研究指出对于复原散焦和运动模糊同时存在时的模糊图像,构建模糊退化过程的数学模型尤为关键。基于此给出了倒谱域混合模糊退化的数学模型,引入相关性分析的思想,计算混合模糊图像的倒谱与参考图像倒谱相关系数的最大值,从而获得模型中的散焦参数;进而对混合模糊图像的倒谱做对数变换增强特征线、特征点的可辨识度,并约束在有效区域范围内进行Radon变换来实现运动模糊方向的估计。实验结果表明:本文方法估计的参数精度较高,且能够适用于大尺度散焦模糊和大尺度运动模糊的混合模糊图像复原。(本文来源于《广西大学学报(自然科学版)》期刊2017年06期）
董丽娜,何怡,叶卫平[5]（2015）在《基于小波分析的梅尔频率倒谱参数》一文中研究指出采用HMM模型和MFCC参数的语音识别器对普通话中声母音素的区分度不够理想,而在基于识别的计算机辅助发音教学系统中的辅音的识别具有特别重要的意义.考虑到相同发音位置不同发音方式的声母音素变化较快且高频信息较多,本文将小波分析的方法引入到提取梅尔频率倒谱参数(MFCC)的过程当中,来提高信号高频部分的时域分辨率,提出了基于小波分析的梅尔倒谱参数MFCC_Wavelet.结合高低频不同分帧方式的MFCC_Wavelet参数与HMM模型的语音识别器,本文测试了MFCC和MFCC_Wavelet两种参数在4类发音中的区分性,实验结果表明,在相同发音位置不同发音方式、塞音与不塞音、送气音与不送气音及擦音与不擦音4类发音错误中,MFCC_Wavelet的总体效果好于MFCC.(本文来源于《北京师范大学学报(自然科学版)》期刊2015年05期）
刘浪,张占一,张学中,张群,王灿[6]（2015）在《基于倒谱变换的桥梁索力特征参数识别》一文中研究指出本文结合桥梁索力振动频谱结构特征和测试误差产生的原因,提出了基于倒谱变换的桥梁索力特征参数识别方法,并通过工程试验进行了验证。(本文来源于《第26届全国振动与噪声高技术及应用会议论文选集》期刊2015-01-11）
王秋云[7]（2014）在《基于倒谱特性的运动模糊图像PSF参数估计》一文中研究指出根据运动模糊图像的特点,提出一种基于倒谱的运动模糊图像PSF参数估计方法。首先,分析了运动模糊图像退化模型以及运动模糊图像频谱和倒谱的特征,对倒谱图像信息滤波增强后,用Radon变换法计算出运动模糊方向,由倒谱中两个负峰值的位置计算出模糊长度。最后,用Lucy-Richardson算法对估计值进行图像复原验证。实验结果表明,该方法能够较精确地估算出运动模糊参数PSF值。(本文来源于《自动化与仪器仪表》期刊2014年12期）
董超,毛凯,赵文飞[8]（2014）在《基于倒谱的运动模糊图像参数估计方法》一文中研究指出通过分析运动模糊图像点扩展函数的倒谱特性,提出了基于倒谱特性的运动模糊参数估计方法。仿真实验结果与理论分析一致,验证了理论分析的正确性。数值实验表明,该方法具有较高的准确性,且具有较强的鲁棒性。(本文来源于《海军航空工程学院学报》期刊2014年05期）
柯晶晶,周萍,景新幸,杨青[9]（2014）在《差分和加权Mel倒谱混合参数应用于说话人识别》一文中研究指出说话人识别是信息技术和生物学的新一代身份验证方式,在说话人识别的研究中,特征参数的提取直接影响到识别系统最终的识别效率.通过对Mel频率倒谱系数特征参数进行分析研究,基于Mel频率倒谱系数改进加权函数,将体现个人语音特性的加权特征参数与反映语音帧间变化的差分Mel频率倒谱系数进行维度筛选,再进行参数混合.实验结果表明,通过改进加权函数提取得到的特征参数与差分Mel频率倒谱系数的混合参数在矢量量化的说话人识别系统中,码本容量为16和32时可以达到100%的识别率.(本文来源于《微电子学与计算机》期刊2014年09期）
王燕,邹男,付进,梁国龙[10]（2014）在《基于倒谱分析的单水听器目标运动参数估计》一文中研究指出基于浅海射线声学多途结构,提出了一种具有高稳健性、高精度的单水听器目标运动参估计方法.针对匀速直线运动目标,综合多途时延差和运动学几何关系,构建了目标叁维多途时延模型,进而获得目标运动参数与多途时延差的非线性时间映射.研究了典型水声信道的倒谱表达式,提出了利用倒谱提取多途时延差的策略.采用差分进化综合优化手段估计目标运动参数,提高了算法的稳健性.理论及仿真结果表明,倒谱的时间分辨率不受信号带宽的限制,而主要取决于信号类型和信噪比;CW信号的倒谱对多普勒不敏感;参数估计精度主要取决于时延差估计精度和参与差分进化运算的信息量,当包含有最近点信息时参数估计性能较好.水池实验结果进一步验证了方法的正确性和有效性.(本文来源于《物理学报》期刊2014年03期）
倒谱参数论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在说话人识别应用中,本文针对传统的Bark尺度特征参数提取过程中的不足,利用高斯滤波器组(Gaussian shaped filters,GF)代替叁角滤波器组,对输入的能量进行滤波,其相比叁角滤波器滤波结果更加平滑。由于巴克倒谱系数(BFCC)在高频精度不足,再利用Fisher准则将BFCC与IBFCC相结合,构造了一种新的混合特征参数。实验结果表明,在纯净语音及噪声环境下,本文提出的使用高斯滤波器组的BFCC比使用叁角滤波器组的MFCC识别率高,而新的混合特征参数识别性能更优。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
倒谱参数论文参考文献
[1].史燕燕,白静.融合CFCC和Teager能量算子倒谱参数的语音识别[J].计算机科学.2019
[2].倪纪伟,彭妙颜.基于Fisher比的Bark倒谱系数混合特征参数提取方法[J].电声技术.2019
[3].樊晓鹤,赵鹤鸣,陈雪勤,周燕.倒谱参数稀疏分解下的汉语音谎言检测[J].声学学报.2018
[4].梁敏,朱虹.基于倒谱分析的混合模糊退化模型参数估计[J].广西大学学报(自然科学版).2017
[5].董丽娜,何怡,叶卫平.基于小波分析的梅尔频率倒谱参数[J].北京师范大学学报(自然科学版).2015
[6].刘浪,张占一,张学中,张群,王灿.基于倒谱变换的桥梁索力特征参数识别[C].第26届全国振动与噪声高技术及应用会议论文选集.2015
[7].王秋云.基于倒谱特性的运动模糊图像PSF参数估计[J].自动化与仪器仪表.2014
[8].董超,毛凯,赵文飞.基于倒谱的运动模糊图像参数估计方法[J].海军航空工程学院学报.2014
[9].柯晶晶,周萍,景新幸,杨青.差分和加权Mel倒谱混合参数应用于说话人识别[J].微电子学与计算机.2014
[10].王燕,邹男,付进,梁国龙.基于倒谱分析的单水听器目标运动参数估计[J].物理学报.2014
论文知识图
