排序方式: 共有7条查询结果,搜索用时 343 毫秒
1
1.
2.
听觉特性和语谱特性在说话人识别中的应用 总被引:1,自引:1,他引:0
大多数说话人识别系统当由实验室走向实际应用时,环境噪声的存在会造成其识别性能下降。为了提高噪声环境下说话人识别系统的识别性能,将基于听觉特性和语谱特性的语音增强技术作为预处理器,首先对语音信号进行降噪处理,提高输入信号的信噪比。实验证明,经过降噪处理的语音信号送入说话人识别系统,提高了系统的识别性能。 相似文献
3.
噪声环境下,为了提高说话人识别系统的鲁棒性,需要对系统进行各种抗噪声处理。采用梅尔频率倒谱系数作为语音的特征参数,矢量量化方法进行模式匹配,将改进的基于听觉掩蔽效应的语音增强器作为预处理器,对语音信号首先进行降噪处理。语音增强器实验结果表明,经过降噪处理后提高了输入信号的信噪比,减少了语音失真,同时很好地抑制了背景噪声和残余音乐噪声。将经过降噪处理的语音信号送入说话人识别系统,提高了系统的识别性能。 相似文献
4.
二氧化硅稳定的金纳米颗粒(Au-SiO2)与罗丹明B之间发生表面能量转移,使罗丹明B荧光猝灭。 金纳米颗粒对罗丹明B的Stern-Volmer猝灭常数为4.3×103 L/mol。 当荧光猝灭的混合体系中加入巯基化合物时,巯基化合物与金纳米颗粒发生强相互作用阻断罗丹明B-金纳米颗粒之间的能量转移,罗丹明B荧光恢复。 基于罗丹明B-Au-SiO2体系对巯基化合物的单一响应,建立了一种简单快速检测巯基化合物的方法;并且由于二氧化硅对金纳米颗粒的稳定作用,金纳米颗粒成为一种可以回收利用的检测探针。 相似文献
5.
6.
针对人体运动姿态复杂,而基于单特征的运动姿态识别算法难以对人体姿态进行准确识别且效率较低等问题,文中提出了一种基于多特征融合的相关智能识别算法。该算法利用图像去噪等方法对采集到的原始图像数据进行预处理,以突出图像中的关键信息。同时通过OpenCV提取数据中的Hu不变矩等特征,并利用神经网络算法将提取到的特征加以融合。采用SVM建立分类模型,进而实现对人体运动姿态的智能识别。两项实验结果说明,所提算法能在保证处理效率的前提下实现对人体姿态的精准识别,准确率可达93%以上。 相似文献
7.
基于小波包变换和MFCC的说话人识别特征参数 总被引:1,自引:0,他引:1
研究了小波包变换及MFCC参数的提取,结合二者特点,提取了基于小波包变换和MFCC的新参数DWT-MFCC.并在基于16阶GMM系统上进行说话人识别实验。实验结果表明,相对于传统的MFCC参数,在相同的噪声环境下,DWT—MFCC参数具有更高的说话人识别率。 相似文献
1