本文關(guān)鍵詞：基于噪聲分類和字典選擇的語音活動(dòng)檢測(cè)　出處：《華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版)》2016年12期 　論文類型：期刊論文

  更多相關(guān)文章： 語音活動(dòng)檢測(cè) 稀疏編碼 形態(tài)成分分析 K-奇異值分解 噪聲魯棒性

【摘要】：為了解決已有語音活動(dòng)檢測(cè)方法在噪聲條件下性能急劇下降的問題,提出了一種基于稀疏編碼的語音活動(dòng)檢測(cè)方法.該方法在訓(xùn)練階段為語音和每種可能的噪聲訓(xùn)練字典;在識(shí)別階段首先識(shí)別環(huán)境噪聲類型,然后將語音字典和對(duì)應(yīng)環(huán)境噪聲字典拼接形成一個(gè)大字典用于稀疏分解,最后用語音字典上的稀疏表示實(shí)現(xiàn)語音和非語音的判斷.該方法一方面引入了噪聲類型識(shí)別,可以有針對(duì)性地選擇噪聲字典;另一方面引入噪聲開集識(shí)別機(jī)制,能識(shí)別新的噪聲類型并且為之訓(xùn)練模型.實(shí)驗(yàn)結(jié)果表明所提方法比傳統(tǒng)方法具有更強(qiáng)的噪聲魯棒性.
[Abstract]:In order to solve the existing voice activity detection method in noise condition performance degradation problem, proposes a voice activity detection method based on sparse encoding. In the training stage for voice and every possible noise training dictionary; first to identify environmental noise types at the recognition stage, then the speech dictionary and the corresponding environmental noise the dictionary spliced into a large dictionary for sparse decomposition, finally using sparse speech dictionary representation on Realization of speech and non speech judgment. This method introduces noise type identification, can be selected according to the noise of the dictionary; on the other hand, the noise introduced by the open set recognition mechanism, and can identify new types of noise the training model. The experimental results show that the noise robustness of the proposed method has better than the traditional method.

【作者單位】： 哈爾濱理工大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;哈爾濱理工大學(xué)自動(dòng)化學(xué)院;
【基金】：國家自然科學(xué)基金青年基金資助項(xiàng)目(61305001)
【分類號(hào)】：TN912.3
【正文快照】： 語音活動(dòng)檢測(cè)(voice activity detector)的目的是為了確定信號(hào)中語音的起始點(diǎn)和終止點(diǎn),通常被應(yīng)用于語音編碼、語音增強(qiáng)、語音識(shí)別等語音處理系統(tǒng)中,具有降低語音編碼速率、節(jié)省通信帶寬、減少設(shè)備能耗和提高識(shí)別率等作用[1].該技術(shù)具有十分重要的理論研究和實(shí)際應(yīng)用價(jià)值,一直

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 晁永國;戴芳;韓舒然;何靜;;改進(jìn)的非負(fù)稀疏編碼圖像基學(xué)習(xí)算法[J];計(jì)算機(jī)工程與科學(xué);2010年01期

2 謝堯芳;蘇松志;李紹滋;;基于稀疏編碼的遷移學(xué)習(xí)及其在行人檢測(cè)中的應(yīng)用[J];廈門大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年02期

3 郎利影;夏飛佳;;人臉識(shí)別中的零范數(shù)稀疏編碼[J];應(yīng)用科學(xué)學(xué)報(bào);2012年03期

4 程?hào)|陽;蔣興浩;孫錟鋒;;基于稀疏編碼和多核學(xué)習(xí)的圖像分類算法[J];上海交通大學(xué)學(xué)報(bào);2012年11期

5 鄒柏賢;苗軍;;自然圖像稀疏編碼模型研究綜述[J];鄭州大學(xué)學(xué)報(bào)(工學(xué)版);2013年03期

6 劉偉鋒;劉紅麗;王延江;;基于多分離部件稀疏編碼的人臉圖像分析[J];模式識(shí)別與人工智能;2013年11期

7 張抒;蔡勇;解梅;;基于局部區(qū)域稀疏編碼的人臉檢測(cè)[J];軟件學(xué)報(bào);2013年11期

8 單桂軍;廖建鋒;;最大似然稀疏編碼在人臉識(shí)別中的研究[J];電視技術(shù);2013年23期

9 王瑞霞;彭國華;鄭紅嬋;;拉普拉斯稀疏編碼的圖像檢索算法[J];計(jì)算機(jī)科學(xué);2014年08期

10 錢樂樂;高雋;謝昭;;一種融合神經(jīng)稀疏編碼機(jī)制的層次目標(biāo)識(shí)別算法[J];中國圖象圖形學(xué)報(bào);2010年10期

相關(guān)會(huì)議論文 前3條

1 尚麗;;使用正態(tài)可逆高斯密度模型的非負(fù)稀疏編碼收縮技術(shù)實(shí)現(xiàn)圖像消噪[A];蘇州市自然科學(xué)優(yōu)秀學(xué)術(shù)論文匯編(2008-2009)[C];2010年

2 劉揚(yáng);程健;盧漢清;;基于目標(biāo)局部特征的遷移式學(xué)習(xí)[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

3 張瑩瑩;梁培基;;視網(wǎng)膜神經(jīng)元的高效信息處理[A];第十一次中國生物物理學(xué)術(shù)大會(huì)暨第九屆全國會(huì)員代表大會(huì)摘要集[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 唐海峰;基于信號(hào)稀疏表征的故障診斷方法研究[D];上海交通大學(xué);2014年

2 孫宇平;基于稀疏表征和自相似性的視覺數(shù)據(jù)識(shí)別關(guān)鍵技術(shù)及應(yīng)用[D];華南理工大學(xué);2015年

3 李清勇;視覺感知的稀疏編碼理論及其應(yīng)用研究[D];中國科學(xué)院研究生院（計(jì)算技術(shù)研究所）;2006年

4 季昊;稀疏編碼研究及其在模式識(shí)別中的應(yīng)用[D];北京郵電大學(xué);2012年

5 孫俊;人臉圖像分析和識(shí)別方法研究[D];清華大學(xué);2001年

6 朱秋平;基于稀疏編碼的織物瑕疵檢測(cè)算法研究[D];武漢大學(xué);2014年

7 羅敏楠;T-S模糊推理系統(tǒng)的結(jié)構(gòu)稀疏編碼辨識(shí)理論與方法[D];清華大學(xué);2014年

8 謝錦生;基于動(dòng)態(tài)感知與異常注意的目標(biāo)描述方法研究[D];中國科學(xué)技術(shù)大學(xué);2012年

9 劉小白;圖像及視頻語義解析的關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2012年

10 丁昕苗;基于多示例學(xué)習(xí)的恐怖視頻識(shí)別技術(shù)研究[D];中國礦業(yè)大學(xué)（北京）;2013年

相關(guān)碩士學(xué)位論文 前10條

1 柏文強(qiáng);基于局部特征提取和稀疏編碼的人臉識(shí)別算法研究[D];燕山大學(xué);2015年

2 李明;目標(biāo)檢測(cè)與識(shí)別算法研究與應(yīng)用[D];中央民族大學(xué);2015年

3 許濤;面向視頻管理的指紋特征提取技術(shù)研究[D];電子科技大學(xué);2015年

4 鮑珍珍;基于多路分層稀疏編碼的遙感圖像場(chǎng)景分類[D];西安電子科技大學(xué);2014年

5 覃曉冰;基于稀疏編碼的語音去噪技術(shù)研究[D];電子科技大學(xué);2015年

6 謝易道;大規(guī)模人臉圖像編碼及其在人臉驗(yàn)證中的應(yīng)用研究[D];電子科技大學(xué);2015年

7 勾珍珍;基于空間約束和稀疏編碼的高光譜圖像分類[D];西安電子科技大學(xué);2014年

8 黃成;基于非負(fù)稀疏編碼的視頻拷貝檢測(cè)方法研究[D];湘潭大學(xué);2015年

9 張文義;基于智能監(jiān)控系統(tǒng)的圖像質(zhì)量增強(qiáng)算法的研究[D];南京郵電大學(xué);2015年

10 丁文秀;基于分層深度學(xué)習(xí)的行人分類方法研究[D];合肥工業(yè)大學(xué);2015年

，

本文編號(hào)：1394727