共查询到20条相似文献,搜索用时 15 毫秒
1.
详细分析了目前语音识别系统中普遍采用的Mel频率倒谱系数(MFCC)特征参数的提取过程和动态时间规整(DTW)识别算法流程,提出了一种在NiosII SOPC软核平台上通过提取和分析语音信号的MFCC特征参数实现语音识别解决方案。 相似文献
2.
3.
当前基于深度神经网络模型中,虽然其隐含层可设置多层,对复杂问题适应能力强,但每层之间的节点连接是相互独立的,这种结构特性导致了在语音序列中无法利用上下文相关信息来提高识别效果,而传统的循环神经网络虽然做出了改进,但是只能对上文信息进行利用。针对以上问题,该文采用可以同时利用语音序列中上下文相关信息的双向循环神经网络模型与深度神经网络模型相结合,并应用于语音识别。构建具有5层隐含层的模型,其中第3层为双向循环神经网络结构,其他层采用深度神经网络结构。实验结果表明:加入了双向循环神经网络结构的模型与其他模型相比,较好地提高了识别正确率;噪声对双向循环神经网络汉语识别有重要影响,尤其是训练集和测试集附加噪声类型不同时,单一的含噪声语音的训练模型无法适应不同噪声类型的语音识别;调整神经网络模型中隐含层神经元数量后,识别正确率并不是一直随着隐含层中神经元数量的增加而增加,神经元数量数目增加到一定程度后正确率出现了降低的趋势。 相似文献
4.
以验证马吕斯定律实验为例,介绍了BP神经网络在大学物理实验中的应用,并在M atlab环境下通过训练和仿真实现了曲线的拟合. 相似文献
5.
6.
针对公共场所异常声的感知和识别问题,提出一种基于贝叶斯优化卷积神经网络的识别方法。提取声信号的Gammatone倒谱系数、倍频程功率谱、短时能量和谱质心,组合成声信号的特征图。构建卷积神经网络作为分类器,利用递增的卷积核设置和池化操作处理不同尺度的特征。基于贝叶斯优化算法优化卷积神经网络的模型参数,对包括火苗噼啪声、婴儿啼哭声、烟花燃放声、玻璃破碎声和警报声的5种公共场所异常声进行识别。该方法的识别结果与基于不同的特征提取和分类器方案得到的识别结果进行比较,结果表明该方法的识别效果优于其他特征提取和分类器方案的识别效果。最后分析了该方法在不同信噪比噪声干扰下的识别结果,验证了该方法的有效性。 相似文献
7.
光学相关识别是图像识别的重要方法,有效识别相关器输出平面的相关峰信号是保证光学相关器图像识别准确性的关键。由于激光器输出功率的波动、光学系统本身的误差以及SLM器件本身带来的噪声,采用一般的阈值方法很难达到理想的效果。该文提出对相关器的输出平面进行预处理,充分考虑相关信号的形状信息,提取感兴趣区域(ROI),采用BP神经网络对输入矢量进行计算,可达到对相关峰信号和噪声的有效分类识别,从而提高了光学相关器识别的可靠性,降低了误判的概率。 相似文献
8.
9.
本文提出了语音信号的一种时域─频域─能量表示,并给出了算法,可用于孤立词语音识别.这种时域─频域─能量表示有两个特点:基于短时能量梯度的非线性时间规正,可保留语音信号频域的过渡特性,丢掉其稳态特性;计算量小,适于实时应用. 相似文献
10.
11.
为了解决传统卷积神经网络识别连续语音数据时识别性能较差的问题,提出一种改进的卷积神经网络算法。该方法引入Fisher准则以及L2正则化约束,在反向传播调整参数阶段,既保证参数误差的最小化,又确保分类以后的样本类间分布较分散,类内分布较集中,同时保证网络权值具有合适的数量级以有效缓解过拟合问题;采用一种更符合生物神经元激活特性的新型log激活函数进行卷积神经网络的优化,进一步提高语音识别的正确率。在语音识别库TIMIT以及THCHS30上的实验结果表明,相较于传统卷积神经网络算法,本文提出的改进算法能较好的提高语音识别率,且泛化能力更强。 相似文献
12.
基于BP神经网络的血液荧光光谱识别分类研究 总被引:2,自引:0,他引:2
光谱技术在生物和医学检测方面具有积极的应用前景。由于血液成分的复杂性和类同性,有关不同动物血液光谱识别分类的技术研究尚未出现较为完善的结论。基于机器学习理论, 以BP神经网络为工具, 建立了对不同动物血液荧光光谱进行特征提取和识别分类的方法。实验采用Cary Eclipse光谱仪分别采集了鸽、鸡、鼠、羊四种动物不同浓度(1%和3%)的全血与红细胞荧光光谱数据(每个类型样本各50组数据);基于移动平滑算法对原始数据进行了平滑处理,以减少实验仪器噪声对特征提取和识别分类的影响;进一步根据血液光谱数据的特性, 该文出了“组合放大”的特征提取方法, 并建立了BP神经网络分类器进行训练和识别。相比于常用的光谱数据(单一)特征, 提出的“组合放大”特征和所设计的BP神经网络能对不同动物、不同类型(全血与红细胞)、不同浓度(1%和3%)的血液荧光光谱实现100%的准确分类, 同时神经网络测试误差均远小于设定的允许误差值。研究的动物血液光谱特征提取及识别技术具有较好的普适性和可靠性, 在农业、食品检查、以及生物医学检测等方面均可发挥重要作用。 相似文献
13.
Wang HQ 《光谱学与光谱分析》2010,30(12):3316-3319
采用静态迈克尔逊干涉仪对待测目标进行光谱识别,在空间干涉长度不变的条件下,应用BP神经网络算法对混合光谱分离过程进行优化,从而达到提高伪装目标识别概率的目的。由干涉仪及线阵CCD记录视场内所有位置上的光谱信息,构成混合光谱数据集合,以已知材料的标准吸收光谱作为隐含层的规则依据,将BP神经网络应用于混合光谱的分离。实验采用不同距离、不同背景组合的混合光谱作为初始数据,以1.5 m×1.5 m钢板做成四种待测目标,由静态迈克尔逊干涉仪得到混合光谱,BP神经网络算法与传统光谱吸收算法对无伪装目标的识别率都在90%以上,对具有伪装效果的待测目标识别概率分别为75.5%和31.7%,所以采用BP神经网络可有效地提高伪装目标的识别概率。 相似文献
14.
为解决目前婴儿智能监护产品对婴儿哭声识别不准确的问题,设计了能准确识别婴儿哭声的婴儿智能监护系统。使用RT5350芯片作为处理器,使用PAP7501芯片实现对视频信号和音频信号的采集。对系统移植了Linux内核,使用多线程编程技术编写了应用程序。通过提取梅尔频率倒谱系数作为特征参数,使用动态时间规整算法作为识别算法,实现了对婴儿哭声的准确识别。该系统可以与云服务器通信,实现婴儿哭声报警功能;该系统可以与用户的终端设备通信,实现视频数据和音频数据的传输。该智能监护系统极大地方便了用户对婴儿的监护。 相似文献
15.
光学衍射神经网络(optical diffraction neural network, ODNN)以光波作为计算媒介执行神经网络的逻辑分析与运算功能,具有高速度、低功耗及并行处理的优势.本文设计了一种仅有三层相位调制的ODNN,提出了基于目标空间频率一级谱分布提升ODNN的数字识别性能的方法,经优化获得了系统最优的像素大小、衍射距离,以及最佳的三层相位分布.设计的ODNN对MNIST手写体数字集识别准确率达到了95.3%,高于文献中采用五层衍射神经网络实现的准确率91.75%(Lin X, Rivenson Y, Yardimci N T, Veli M, Luo Y,Jarrahi M, Ozcan A 2018 Science 361 1004),且精简了系统结构.结合ODNN高速度、低功耗的优点,提出的基于频谱分析方法有利于提高ODNN的性能,使ODNN在边缘计算领域有巨大的应用潜力. 相似文献
16.
利用紫外分光光度法测定磷酸盐溶液的光谱,经过转换得到吸光度与溶液浓度的非线性关系,使用BP神经网络算法处理此非线性问题。Matlab语言中的神经网络工具箱提供了许多有关神经网络设计、训练和仿真的函数来实现BP网络,使应用BP网络来解决此类问题变得方便和有效。实验证明Levenberg-Marquardt法网络收敛速度最快,量化共轭梯度法最慢。本文还运用Matlab中的数据拟合法与BP神经网络法进行比较,前者虽然得到拟合曲线关系式,但较为复杂,工作量大。因此,BP神经网络法更适合于解决此类问题。 相似文献
17.
18.
19.