Jun, 2022

非本土英语使用者单词识别的频率重心特征

PDF
TL;DR本研究旨在探讨何种辅助 Quintessential Mel 频率倒谱系数（MFCCs）可以提高非英语母语人士在有限语音识别任务中的表现，作者引入了频率重心用于改善在不同语音噪声条件下的英语单词识别能力，并通过两阶段卷积神经网络，对带有阿拉伯、法语和西班牙口音的英语单词进行建模。
发现论文，激发创造
  • 局部特征或梅尔频率倒谱系数 —— 对于基于 MLN 的孟加拉语语音识别哪种更好？

    本文讨论了基于本地特征方法的神经网络模型在孟加拉语音识别中的应用，通过输入语音信号并从中提取本地特征，利用多层神经网络提取音素矩阵，然后对音素进行分类，实现更高效、更准确的自动语音识别系统。本系统相较于基于 MFCC 的系统具有更高的音素识别率且需要更少的 HMM 混合成分。

    Oct, 2013

  • 利用 Mel 频率倒谱系数（MFCC）和动态时间规整（DTW）技术的语音识别算法

    本文章探讨了数字处理语音信号和语音识别算法的重要性，介绍了特征提取和匹配的数字信号处理方法以及非参数模型和动态时间规整技术的优越性。

    Mar, 2010

  • 利用 Mel 频率倒谱系数增强心音分类：单一和集成分类器策略的比较研究

    通过使用单一分类器和集成分类器方法，研究了使用 Mel 频率倒谱系数 (MFCCs) 在检测异常心脏音图中的功效。结果表明，与单一分类器方法相比，集成分类器方法获得了更高的准确性，从而将 MFCCs 确定为比其他特征（如时间、时间频率和统计特征）更有效的特征。

    Jun, 2024

  • 铁路车辆轴承故障检测的新特征

    本文提出了一种使用音频信号处理中的 Mel 频率倒谱系数和振幅调制谱中提取的特征来检测轴承故障的新方法，并使用只有健康轴承的数据训练一种 One-class 支持向量机来应对数据不平衡问题，从而在高度具有挑战性的场景下评估了该方法。

    Apr, 2023

  • 学前儿童语言发展测试中的伪词发音分类

    本研究旨在通过使用不同方法进行语音分析，包括低级特征、说话者嵌入、音素和 ASR 音频模型，使用 VGG - 类 5 层 CNN 分类器，以便自动评估儿童的语言发展是否年龄适宜，证明如果精细调节音素模型，精度可以获得显著提高，并且 ASR 伴音模型提取的语音特征在此任务中表现最佳。

    Jun, 2022

  • 自动识别非母语英语口音中文论文题目中的文本和语音特征的相关性

    本文通过简单音频和 n-gram 特征，达到了近 90% 的准确识别率，无论问题变化多少，音频特征都不受影响，经验证明这种方法可适用于任何语言的口音识别系统的开发和应用。

    Apr, 2018

  • 一种用于说话人识别的高效 MFCC 计算的新型窗口技术

    本文提出一种基于离散时间傅里叶变换的微分性质，采用新型窗函数计算音频中的 MFCC 特征，用于自动语音识别和说话人识别，实验证明该方法可显著提高系统性能和识别准确度。

    Jun, 2012

  • 用 DNN 滤波器组倒谱系数进行欺骗检测

    本文提出一种新的基于深度神经网络滤波器组的倒谱特征来识别自然语音与攻击音频之间的差异，该特征在检测未知攻击时比现有基于线性频率倒谱系数分类器更加有效。

    Feb, 2017

  • 使用卷积神经网络比较环境声音分类的时频表示

    本研究比较了不同信号处理方法在卷积神经网络进行音频分类任务时所得到的频谱图表示，发现 Mel-scaled STFT 方法表现最佳。同时还发现，信号的特点以及转化窗口的大小都对分类结果有影响，2D 卷积神经网络在大多数情况下都比 1D 效果更好。

    Jun, 2017

  • 基于集成的框架用于检测阿拉伯语音素的发音错误

    本文介绍了一种利用集成学习模型识别阿拉伯语音素发音错误并帮助学习阿拉伯语的方法，并使用 Mel 频谱图特征提取技术将投票分类器作为集成算法，取得了 95.9% 的分类准确率。

    Jan, 2023