语音信号的主分量特征

应用科学学报 ›› 1999, Vol. 17 ›› Issue (4): 427-432.

语音信号的主分量特征

何振亚, 顾明亮, 王太君, 史笑兴

东南大学

收稿日期:1998-03-09 修回日期:1998-09-03 出版日期:1999-12-31 发布日期:1999-12-31
基金资助:
国家攀登计划认知科学中神经网络理论与应用基础研究重大关键资助项目

Principal Component Feature for Speech Recognition

HE ZHENYA, GU MINGLIANG, WANG TAIJUN, SHI XIAOXING

Southeast University, Nanjing 210096

Received:1998-03-09 Revised:1998-09-03 Online:1999-12-31 Published:1999-12-31

摘要/Abstract

摘要： 利用曲线拟合与主分量分析神经网络相结合的方法,提出了一种既反映声道变化规律又符合人耳听觉特点的语音识别新特征.与其他神经网络识别特征相比,新特征不仅可以提高语音识别准确率,而且具有算法简单、存储容量小、便于实时实现的特点.

关键词: 主分量分析, 神经网络, 语音识别, 特征提取

Abstract: Using curve fitting and principal component analysis method,this paper presents a novel ANN-based speech recognition feature.The feature reflects the variation of vocal tract with time.The extraction method simulates the processing of speech information in human auditory system.Compared with other ANN-based recognition features,this new feature not only increase the recognition accuracy but also has following properties:less complex algorithm,less storage memory and easy realization with hard ware.

Key words: principal component analysis, feature extraction, speech recognition, neural network

何振亚, 顾明亮, 王太君, 史笑兴. 语音信号的主分量特征[J]. 应用科学学报, 1999, 17(4): 427-432.

HE ZHENYA, GU MINGLIANG, WANG TAIJUN, SHI XIAOXING. Principal Component Feature for Speech Recognition[J]. Journal of Applied Sciences, 1999, 17(4): 427-432.

[1]	张彤彤, 董军宇, 赵浩然, 李琼, 孙鑫. 基于知识蒸馏的轻量型浮游植物检测网络[J]. 应用科学学报, 2020, 38(3): 367-376.
[2]	王孟轩, 张胜, 王月, 雷霆, 杜渂. 改进的CRNN模型在警情文本分类中的研究与应用[J]. 应用科学学报, 2020, 38(3): 388-400.
[3]	马鑫, 吴云, 鹿泽光. 基于混合神经网络的协同过滤推荐模型[J]. 应用科学学报, 2020, 38(3): 478-487.
[4]	刘伟, 章琬苓, 项世军. 基于LBP-MDCT和CNN的人脸活体检测算法[J]. 应用科学学报, 2019, 37(5): 609-617.
[5]	王灿军, 廖鑫, 陈嘉欣, 秦拯, 刘绪崇. 基于卷积神经网络的面部图像修饰检测[J]. 应用科学学报, 2019, 37(5): 618-630.
[6]	吴韵清, 吴鹏, 陈北京, 鞠兴旺, 高野. 基于残差全卷积网络的图像拼接定位算法[J]. 应用科学学报, 2019, 37(5): 651-662.
[7]	魏巍, 全海燕. 基于单形进化的径向基网络训练算法[J]. 应用科学学报, 2019, 37(4): 459-468.
[8]	靳华中, 刘潇龙, 胡梓珂. 一种结合全局和局部特征的图像描述生成模型[J]. 应用科学学报, 2019, 37(4): 501-509.
[9]	赵云山, 段友祥. 基于Attention机制的卷积神经网络文本分类模型[J]. 应用科学学报, 2019, 37(4): 541-550.
[10]	袁红林, 陆小丹, 徐晨. 基于B-Spline神经网络的宽带通信发射机指纹估计[J]. 应用科学学报, 2019, 37(1): 12-23.
[11]	曾润华, 张树群. 改进卷积神经网络的语音情感识别方法[J]. 应用科学学报, 2018, 36(5): 837-844.
[12]	姜雪莹, 苏成利, 施惠元, 李平, 刘思雨. 采用多变量RBF神经网络的非线性内部迭代预测控制[J]. 应用科学学报, 2018, 36(4): 698-710.
[13]	段友祥, 徐冬胜, 孙歧峰, 李钰. DBN在测井解释中的研究与应用[J]. 应用科学学报, 2018, 36(4): 689-697.
[14]	杨滨, 张涛, 陈先意. 基于深度学习的图像局部模糊识别[J]. 应用科学学报, 2018, 36(2): 321-330.
[15]	史晓裕, 李斌, 谭舜泉. 深度学习空域隐写分析的预处理层[J]. 应用科学学报, 2018, 36(2): 309-320.