本文關鍵詞：基于噪聲分類和字典選擇的語音活動檢測　出處：《華中科技大學學報(自然科學版)》2016年12期 　論文類型：期刊論文

  更多相關文章： 語音活動檢測 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檢測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檢測方法.該方法在訓練階段為語音和每種可能的噪聲訓練字典;在識別階段首先識別環(huán)境噪聲類型,然后將語音字典和對應環(huán)境噪聲字典拼接形成一個大字典用于稀疏分解,最后用語音字典上的稀疏表示實現(xiàn)語音和非語音的判斷.該方法一方面引入了噪聲類型識別,可以有針對性地選擇噪聲字典;另一方面引入噪聲開集識別機制,能識別新的噪聲類型并且為之訓練模型.實驗結(jié)果表明所提方法比傳統(tǒng)方法具有更強的噪聲魯棒性.
[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】： 哈爾濱理工大學計算機科學與技術學院;哈爾濱理工大學自動化學院;
【基金】：國家自然科學基金青年基金資助項目(61305001)
【分類號】：TN912.3
【正文快照】： 語音活動檢測(voice activity detector)的目的是為了確定信號中語音的起始點和終止點,通常被應用于語音編碼、語音增強、語音識別等語音處理系統(tǒng)中,具有降低語音編碼速率、節(jié)省通信帶寬、減少設備能耗和提高識別率等作用[1].該技術具有十分重要的理論研究和實際應用價值,一直

【相似文獻】

相關期刊論文 前10條

1 晁永國;戴芳;韓舒然;何靜;;改進的非負稀疏編碼圖像基學習算法[J];計算機工程與科學;2010年01期

2 謝堯芳;蘇松志;李紹滋;;基于稀疏編碼的遷移學習及其在行人檢測中的應用[J];廈門大學學報(自然科學版);2010年02期

3 郎利影;夏飛佳;;人臉識別中的零范數(shù)稀疏編碼[J];應用科學學報;2012年03期

4 程東陽;蔣興浩;孫錟鋒;;基于稀疏編碼和多核學習的圖像分類算法[J];上海交通大學學報;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];鄭州大學學報(工學版);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[J];軟件學報;2013年11期

8 單桂軍;廖建鋒;;最大似然稀疏編碼在人臉識別中的研究[J];電視技術;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];計算機科學;2014年08期

10 錢樂樂;高雋;謝昭;;一種融合神經(jīng)稀疏編碼機制的層次目標識別算法[J];中國圖象圖形學報;2010年10期

相關會議論文 前3條

1 尚麗;;使用正態(tài)可逆高斯密度模型的非負稀疏編碼收縮技術實現(xiàn)圖像消噪[A];蘇州市自然科學優(yōu)秀學術論文匯編(2008-2009)[C];2010年

2 劉揚;程健;盧漢清;;基于目標局部特征的遷移式學習[A];第十四屆全國圖象圖形學學術會議論文集[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術大會暨第九屆全國會員代表大會摘要集[C];2009年

相關博士學位論文 前10條

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

2 孫宇平;基于稀疏表征和自相似性的視覺數(shù)據(jù)識別關鍵技術及應用[D];華南理工大學;2015年

3 李清勇;視覺感知的稀疏編碼理論及其應用研究[D];中國科學院研究生院（計算技術研究所）;2006年

4 季昊;稀疏編碼研究及其在模式識別中的應用[D];北京郵電大學;2012年

5 孫俊;人臉圖像分析和識別方法研究[D];清華大學;2001年

6 朱秋平;基于稀疏編碼的織物瑕疵檢測算法研究[D];武漢大學;2014年

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

8 謝錦生;基于動態(tài)感知與異常注意的目標描述方法研究[D];中國科學技術大學;2012年

9 劉小白;圖像及視頻語義解析的關鍵技術研究[D];華中科技大學;2012年

10 丁昕苗;基于多示例學習的恐怖視頻識別技術研究[D];中國礦業(yè)大學（北京）;2013年

相關碩士學位論文 前10條

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

2 李明;目標檢測與識別算法研究與應用[D];中央民族大學;2015年

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

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

5 覃曉冰;基于稀疏編碼的語音去噪技術研究[D];電子科技大學;2015年

6 謝易道;大規(guī)模人臉圖像編碼及其在人臉驗證中的應用研究[D];電子科技大學;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;2014年

8 黃成;基于非負稀疏編碼的視頻拷貝檢測方法研究[D];湘潭大學;2015年

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

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

，

本文編號：1394727