Jun, 2024

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

PDF
TL;DR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。
mel frequency cepstral coefficientsabnormalphonocardiogramsclassification strategiesensemble-classifier
发现论文，激发创造
  • 使用 MFCC 特征和双流注意力网络从心音信号中检测心脏异常

    本文提出了一种采用注意力机制的新型深度学习双流网络，使用原始心音信号和 MFCC 特征检测病人心脏状况的异常，并获得了 87.11 的准确率、82.41 的灵敏度、91.8 的特异度和 87.12 的 MACC。

    Nov, 2022

  • 基于转换器卷积神经网络的短段儿童心音分类

    心脏先天性疾病中的缺陷导致的先天畸形称为先天性心脏病或 CHDs。本研究通过使用最小信号持续时间来自动分类心音，并调查了最佳信号质量评估指标（RMSSD 和 ZCR）的价值。建立了基于 Mel 频率倒谱系数（MFCCs）的特征的基于 Transformer-Based 残差一维卷积神经网络，用于对心音进行分类。研究表明，0.4 是获得适合 RMSSD 和 ZCR 指标的信号的理想阈值，对于有效的心音分类，需要最小 5s 的信号长度。较短的信号（3s 的心音）不具有足够的信息来准确分类心音，而较长的信号（15s 的心音）可能含有更多噪音。通过对 5s 信号进行区分心音，获得了最佳准确率 93.69%。

    Mar, 2024

  • 使用深度学习技术的心音分割

    本文提出了一种新颖的方法，利用心音图信号对心音进行分割和分类，并通过基于 FFT 的滤波、动态规划事件检测和 Siamese 网络的鲁棒分类，相比现有方法在 PASCAL 心音数据集上表现出较高性能。

    Jun, 2024

  • 非本土英语使用者单词识别的频率重心特征

    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。

    Jun, 2022

  • 基于 MFCC 的基于 Transformer 的音频分类序列标注

    该论文提出了一种基于 Transformer 编码器的音频分类模型，使用 MFCCs 作为输入特征，经过 ESC-50, Speech Commands v0.02, 和 UrbanSound8k 数据集的测试，获得了最高达 95.2% 的精度和轻量级的模型参数，是一种高效的音频分类方法。

    Apr, 2023

  • 在语音情感识别中使用谐振和打击成分的杠杆化 Mel 频谱图

    该研究通过对 Mel 谱图的谐波和打击性组成部分进行分析，提出了一个新的架构，包括特征映射生成器算法、基于 CNN 的网络特征提取器和多层感知器（MLP）分类器，研究有效的数据增强技术建立了丰富的混合特征映射，最终在 Berlin EMO-DB 数据库上取得了 92.79% 的测试准确率，结果优于之前使用 CNN-VGG16 的研究。

    Dec, 2023

  • 使用基于单一频率滤波特征的语音对帕金森病进行严重程度分类

    本研究提出了两组新颖特征用于帕金森病严重度分类：基于单频滤波方法的 SFF 倒谱系数（SFFCC）和基于 SFF 的 MFCC（MFCC-SFF）。使用 PC-GITA 数据库进行实验，结果显示所提出的特征在三个语音任务中均优于传统的 MFCC 特征。相较于 MFCC 特征，所提出的 SFFCC 和 MFCC-SFF 特征在元音任务中相对提高了 5.8% 和 2.3%、在句子任务中相对提高了 7.0% 和 1.8%、在朗读文本任务中相对提高了 2.4% 和 1.1%。

    Aug, 2023

  • 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

  • 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