梅尔频率倒谱系数

摘要： 为进一步提高说话人识别的准确率,提出一种新的基于卷积神经网络的说话人识别方法。利用卷积神经网络强大的处理图像能力可有效提高说话人识别的准确率。卷积神经网络相对于其他网络结构简单,训练时间较短且准确率较高。该方法首先对语音信号进行了预处理,包括重采样、分帧、加窗等操作,然后提取梅尔频率倒谱系数,之后送入卷积神经网络进行训练。通过LibriSpeech标准库和中文数据库测试表明,本算法识别率达到95%,可有效进行说话人识别。

摘要： 咳嗽是猪患呼吸道系统疾病发病早期的主要症状。为解决猪呼吸系统疾病难以被发现和人工监测准确率低的问题,提出利用BP神经网络来检测和识别猪咳嗽声音的方案。基于四麦克风阵列进行猪声音数据的采集,以猪咳嗽声、打呼噜声、尖叫声、哼哼声、咆哮声的声音为研究对象,对得到的声音数据进行滤波、端点检测等预处理,把梅尔频率倒谱系数(MFCC)作为猪声音特征参数,建立BP神经网络学习和识别的模型。经五折交叉法验证猪咳嗽声平均识别率为85.33%,猪非咳嗽声平均识别率为86.24%,识别率均在85%以上,结果表明所提出的方案是可行的。这种方法可以高效地识别猪咳嗽声,为猪呼吸道疾病发病初期的诊断提供技术支持。

摘要： 梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)是一种符合人耳听觉特征,并与频率呈非线性对应关系的频谱特征,广泛应用在语音识别、音频特征分析等方面。对于目前广泛使用的通过单一特征进行音频分类的方法,存在分类准确度低、处理速度慢等方面的不足,提出了基于梅尔频率倒谱的音频分类算法,该算法对音频设定采样率,获取音频的时间序列,并根据时间序列提取梅尔频率倒谱系数特征,将获取的二维特征值进行数据拟合、标准化处理。构建多层卷积神经网络模型,将标准化处理后的梅尔频率倒谱系数特征作为网络的输入,通过交叉熵验证的方法,对模型的输出进行分类。通过实验数据可知,梅尔频率倒谱系数特征通过多层卷积网络处理后,分类结果准确率达到92.8%,使用模型进行分类时,速度达到每个样本7 ms的耗时,模型能对音频进行准确快速的分类。

摘要： 随着列车速度、铁道线路的进一步发展,国家对铁路安全愈发重视并提出了更高的要求。尤其是铁道线路长,铁轨零部件极多,一旦出现铁轨松动而修理不及时,会导致铁轨变形,发生重大交通事故。针对此问题,本研究设计了一种自动化识别铁轨松动的人工智能模型,构建了梅尔频率倒谱系数-概率线性判别分析模型(MFCC-PLDA)。结果显示该模型对铁轨松动的识别准确率高达98.5%,并将该模型与PCA-PLDA进行了实验对比,结果显示MFCC-PLDA效果最好。未来该方法可作为一种全新的智能识别技术应用于铁轨安全检测系统。

摘要： 汉语拼音的模糊匹配在关键词匹配、语音纠错等场景占据着重要地位,而传统的模糊匹配方法无法计算不同声母、韵母之间的听觉相似度,只能简单地将其作为相同和不同的两种情形处理,这在实际使用中,容易受方言、发音习惯等因素影响匹配正确率。文章针对该问题,提出了一种基于梅尔频率倒谱系数(MFCCs)和加入惩罚系数的动态时间序列规整(DTW)的方法,计算汉语拼音中各部分的相似度。MFCCs能够提取声音频谱中符合人耳听觉特性的特征,而DTW方法能够计算时间序列的相似度。根据实验表明,该方法能较好地区分出汉语拼音中发音相似的音标,能够提高各种拼音模糊匹配场景的匹配性能和准确率。

摘要： 针对DCNN网络缺乏直观的物理声学特征描述等问题,为了提高其在说话人识别系统中的识别性能,提出基于MFCC加权与改进深度卷积神经网络的说话人识别算法。算法首先提取信号的MFCC特征,并对特征进行分量凸显和加权改进,以提高特征中对最终识别准确率贡献大的分量的作用,然后通过改进深度卷积神经网络的结构并增加深度残差网络,进一步对准帧间信息,提高网络对说话人识别需求的适应性。实验结果表明,文中算法在不同的分段信噪比下均取得最优的识别准确率。

摘要： 猪只呼吸道疾病易传染,影响猪的养殖生产效率,咳嗽是呼吸道疾病的显著症状之一,为识别猪只咳嗽声,提出了一种基于深度神经网络的识别方法。对声音信号进行谱减法去噪和双门限端点检测后分别提取梅山猪咳嗽及喷嚏、鸣叫、呼噜声的滤波器组(Log_filter bank,logFBank)和梅尔频率倒谱系数(Mel frequency cepstral coefficents,MFCC)特征,每种特征与其一阶及二阶差分组合作为卷积神经网络(Convolutional neural networks,CNNs)和深层前馈序列记忆神经网络(Deep feed forward sequential memory networks,DFSMN)咳嗽声识别模型的输入,进行多分类训练。对比不同特征提取方法及不同迭代次数对模型效果的影响,实验结果表明,以MFCC作为特征输入的CNNs模型效果较优,测试集上咳嗽声识别精确率为97%,召回率为96%,F1值为98%,总体识别准确率为96.71%。表明该模型有效可行,可为生猪福利养殖中猪咳嗽声识别提供技术支持。

摘要： 针对在采用线性预测系数(LPC)进行融安方言语音合成时合成效果差的问题,提出一种基于集合经验模态分解(EEMD)的融安方言语音合成算法。语音是一种非线性信号,传统特征提取算法对非线性信号的处理能力较弱。因此,提出在传统算法过程中先运用EEMD算法将语音信号分解成若干个线性分量,从而提高语音信号的划分精度;再对所有分量分别进行快速傅里叶变换(FFT);最后对所有分量进行频率求和,利用求和后的频率数据对融安方言语音进行合成。实验结果表明,利用文章算法合成的融安方言语音MFCC参数的均方根误差(RMSE)与传统算法相比降低了7.38%,合成效果更好。从合成后的语音波形图可以看出,文章算法能够更多地保留融安方言语音的细节信息。

摘要： 为实现铁路隧道二次衬砌背后空洞智能诊断,基于声音识别技术,建立隧道空洞敲击检查声音智能识别模型。收集645段检查锤敲击衬砌的声音样本,运用信号特征分析的基本方法,分析有空洞和无空洞状态下声音信号的时域和频域特征,并提取24维梅尔频率倒谱系数作为机器学习数据集。用主成分分析法降维,经混合粒子群算法优化的支持向量机训练后,建立铁路隧道空洞敲击检查声音智能识别模型,将该模型应用于实际铁路隧道验证其有效性。建立的声音识别模型训练时长为31 s,准确率达95.56%,且能准确对实际工程中的声音样本做出分类。研究结果表明:对2种状态下的声音样本时域特征和频域特征进行对比和分析,不同状态下短时能量和声纹都出现明显的不同。运用PCA-混合PSO-SVM建立的声音识别模型,有着较高的准确率和较快的训练速度,能够根据敲击检查声音准确判断出隧道背后是否存在空洞,如何根据声音特征判断衬砌背后空洞的大小和深度等,将是下一步研究的重点。目前铁路隧道快速无损检测还无法大范围普及,人工检查仍是使用最广泛的检查方法,通过研究敲击检查声音智能识别,为隧道智能化诊断做出新的探索,对加快人工检查速度、提高信息化程度和实现无纸化作业有着重要的意义。

摘要： 针对天然地震与人工爆破波形特征相似、难以区分的情况,结合灰狼优化算法和支持向量机,提出一种地震事件性质辨识新方法。通过梅尔频率倒谱系数法对2013年四川芦山地震地震事件信号和人工爆破信号进行分析,进过预加重、FFT、梅尔滤波及离散余弦变换等步骤,提取静态系数样本熵、一阶差分系数样本熵和二阶差分系数样本熵等作为样本特征集。使用灰狼算法优化支持向量机径向基核函数RBF中的惩罚系数和核函数半径形成新的GWO-SVM分类器,然后对事件进行辨识。结果表明:GWO-SVM分类器辨识效果明显优于SVM、RobustBoost集成学习、LDA、PLDA等分类器,其在1000次循环识别实验下的准确率均值相对SVM提高了9.2个百分点,标准差降低了3.2以上;t检验证明MFCC样本熵各特征具有可靠的地震事件分类效果;GWO-SVM与MFCC样本熵可作为天然地震事件与人工爆破事件的辨识方法与分类判据。

摘要： 为了提升连续语音识别系统性能,将深度自编码器神经网络应用于语音信号特征提取.通过堆叠稀疏自编码器组成深度自编码器(Deep Auto-Encoding,DAE),经过预训练和微调两个步骤提取语音信号的本质特征,使用与上下文相关的三音素模型,以音素错误率大小为系统性能的评判标准.仿真结果表明相对于传统梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficient,MFCC)特征以及优化后的MFCC特征,基于深度自编码器提取的深度特征更具优越性.

摘要： 本文研究训练样本数与测试样本数的分配情况对说话人的语音分类率的影响,采用将特征参数梅尔频率倒谱系数(MFCC)用在基于支持向量机(SVM)的平均影响值(MIV)降维方法中,对各维特征参数进行重要性排序,然后重新组合,将组合好的特征参数用SVM进行语音分类.通过仿真实验分析,训练样本数与测试样本数各一半时分类效果相对较好.

摘要： 本文研究训练样本数与测试样本数的分配情况对说话人的语音分类率的影响,采用将特征参数梅尔频率倒谱系数(MFCC)用在基于支持向量机(SVM)的平均影响值(MIV)降维方法中,对各维特征参数进行重要性排序,然后重新组合,将组合好的特征参数用SVM进行语音分类.通过仿真实验分析,训练样本数与测试样本数各一半时分类效果相对较好.

摘要： 本文提出了一种检测篮球比赛视频中重要音频关键词(短管哨声)的方法。文章通过分析短管哨声的频谱分布特性提出一种二级检测方法：首先提取特定子带能量峰指数特征，并采用门限决策方法获得关键词候选集；第二级再结合梅尔频率倒谱系数和支持向量机得到最终的关键词检测结果。选取时长为1378秒的‘NBA篮球比赛音频片段作为测试序列，验证了本方法具有正确率和检出率分别为95.45％和91.3％的性能。

摘要： 说话人识别又称声纹识别,是指通过获取说话人语音信号声纹特征后,自动识别说话人身份的技术.说话人识别系统通常包含语音信号预处理、声纹特征提取、特征模型训练和模型匹配与判决四个部分.说话人识别任务包含说话人确认(判断是否为同一个人说话)与说话人辨认(判断说话人是谁)两类,按照各说话人语音信号使用的文本是否一致分为文本相关与文本不相关两类.

摘要： 说话人识别又称声纹识别,是指通过获取说话人语音信号声纹特征后,自动识别说话人身份的技术.说话人识别系统通常包含语音信号预处理、声纹特征提取、特征模型训练和模型匹配与判决四个部分.说话人识别任务包含说话人确认(判断是否为同一个人说话)与说话人辨认(判断说话人是谁)两类,按照各说话人语音信号使用的文本是否一致分为文本相关与文本不相关两类.

摘要： 说话人识别又称声纹识别,是指通过获取说话人语音信号声纹特征后,自动识别说话人身份的技术.说话人识别系统通常包含语音信号预处理、声纹特征提取、特征模型训练和模型匹配与判决四个部分.说话人识别任务包含说话人确认(判断是否为同一个人说话)与说话人辨认(判断说话人是谁)两类,按照各说话人语音信号使用的文本是否一致分为文本相关与文本不相关两类.

摘要： 说话人识别又称声纹识别,是指通过获取说话人语音信号声纹特征后,自动识别说话人身份的技术.说话人识别系统通常包含语音信号预处理、声纹特征提取、特征模型训练和模型匹配与判决四个部分.说话人识别任务包含说话人确认(判断是否为同一个人说话)与说话人辨认(判断说话人是谁)两类,按照各说话人语音信号使用的文本是否一致分为文本相关与文本不相关两类.

摘要： 语音个性特征提取是说话人识别技术中最重要的一环.本文针对传统特征参数LPCC和MFCC的优缺点,将基于声道模型的线性预测系数LPC和基于听觉机理的美尔倒谱系数MFCC融合,得到新的特征参数LPMFCC.特征参数LPMFCC既能反映出说话人的声道特性,又同时具有了与MFCC一样的鲁棒性和利用人耳听觉原理的特点.为避免时间规整问题,本文采用了矢量量化法的说话人识别系统.通过MATLAB仿真,结果表明,提出的特征参数LPMFCC较单独使用MFCC或将LPCC系数和MFCC系数加权组合在识别率上有显著的提升.

摘要： 语音个性特征提取是说话人识别技术中最重要的一环.本文针对传统特征参数LPCC和MFCC的优缺点,将基于声道模型的线性预测系数LPC和基于听觉机理的美尔倒谱系数MFCC融合,得到新的特征参数LPMFCC.特征参数LPMFCC既能反映出说话人的声道特性,又同时具有了与MFCC一样的鲁棒性和利用人耳听觉原理的特点.为避免时间规整问题,本文采用了矢量量化法的说话人识别系统.通过MATLAB仿真,结果表明,提出的特征参数LPMFCC较单独使用MFCC或将LPCC系数和MFCC系数加权组合在识别率上有显著的提升.

摘要： 本发明提供了一种基于增强梅尔线性频率倒谱系数的滚动轴承故障诊断方法，属于滚动轴承故障诊断技术领域，所述方法包括：获取滚动轴承的时域振动信号；利用预设梅尔线性频率滤波器对时域振动信号进行特征提取，得到增强梅尔线性频率倒谱系数二维特征图；根据增强梅尔线性频率倒谱系数二维特征图与预设Transformer模型，得到最终的诊断结果；本发明能够在数据分布偏移条件下实现滚动轴承故障的精确和快速诊断。

摘要： 本发明属于智能应用型声场判别领域，具体涉及一种短时能量及梅尔倒谱系数联合矢量量化的危险声场景判别方法。该方法具体包括危险声场景声音库的建立、构建音频时频复合特征参数、引入改进型矢量量化模型对音频特征参数训练；在危险声场景匹配阶段利用欧式距离测度算法进行失真度匹配，找到最小平均误差失真度作为最佳匹配进而达到识别效果。

摘要： 本发明公开一种改进梅尔倒谱系数算法的叶片故障诊断方法，本发明故障诊断方法首先利用梅尔倒谱系数算法获取信号特征矩阵，并利用SVD(奇异值分解)对特征矩阵做降噪处理，滤除了风噪声的特征信息，使得到的信号特征更加准确。在强风噪背景下该方法处理的故障信号同样呈现出明显的周期性，可以识别出强风噪下的故障风机。本发明故障诊断方法解决了传统的梅尔倒谱系数算法判断叶片是否故障方法无法识别强风噪下的故障风机的难题。

摘要： 本发明提供了一种基于增强梅尔线性频率倒谱系数的滚动轴承故障诊断方法，属于滚动轴承故障诊断技术领域，所述方法包括：获取滚动轴承的时域振动信号；利用预设梅尔线性频率滤波器对时域振动信号进行特征提取，得到增强梅尔线性频率倒谱系数二维特征图；根据增强梅尔线性频率倒谱系数二维特征图与预设Transformer模型，得到最终的诊断结果；本发明能够在数据分布偏移条件下实现滚动轴承故障的精确和快速诊断。

摘要： 本发明提供了一种基于梅尔倒谱系数‑支持向量机架构的声音识别方法及系统，方法包括：获取待识别声音信号；提取待识别声音信号的声音特征数据；声音特征数据包括待识别声音信号的静态特征数据和动态特征数据；将待识别声音信号的声音特征数据输入声音识别模型中，得到声音识别结果；声音识别模型是根据历史声音信号对支持向量机模型进行训练得到的。本发明通过对声音信号的静态特征数据和动态特征数据对支持向量机模型进行训练，得到的声音识别模型，能够提高声音识别的准确性。

摘要： 本发明公开一种改进梅尔倒谱系数算法的叶片故障诊断方法，本发明故障诊断方法首先利用梅尔倒谱系数算法获取信号特征矩阵，并利用SVD(奇异值分解)对特征矩阵做降噪处理，滤除了风噪声的特征信息，使得到的信号特征更加准确。在强风噪背景下该方法处理的故障信号同样呈现出明显的周期性，可以识别出强风噪下的故障风机。本发明故障诊断方法解决了传统的梅尔倒谱系数算法判断叶片是否故障方法无法识别强风噪下的故障风机的难题。

摘要： 本发明属于智能应用型声场判别领域，具体涉及一种短时能量及梅尔倒谱系数联合矢量量化的危险声场景判别方法。该方法具体包括危险声场景声音库的建立、构建音频时频复合特征参数、引入改进型矢量量化模型对音频特征参数训练；在危险声场景匹配阶段利用欧式距离测度算法进行失真度匹配，找到最小平均误差失真度作为最佳匹配进而达到识别效果。

摘要： 本发明涉及一种基于伽马通频率倒谱系数的多对一语音转换方法，包括以下步骤，提取待转换语音样本的伽马通频率倒谱系数特征，输入至训练好的语音内容提取模型中，得到待转换语音样本的语义后验概率图，输入至训练好的CBHG模型中，得到待转换语音样本的伽马通倒谱系数；将待转换语音样本的伽马通倒谱系数输入至训练好的神经声码器中，得到转换后语音。与现有技术相比，本发明具有语音转换清晰度更高的优点。

摘要： 本发明公开一种用于梅尔频率倒谱系数的实现的优化方法，包括如下步骤。在分帧的步骤中，用400×16的静态随机存取存储器来对声音信号的多个采样点完成有交叠的临时存储，并且将声音信号分解为多个帧。每一帧为400个采样点，相邻两帧之间则具有交叠区域，且交叠区域包含了240个采样点。接着，在分窗的步骤中，用比特级设计来让每一帧乘以窗函数，并且在快速傅立叶变换的步骤中，对已进行分帧及分窗后的帧信号做512点快速傅立叶变换，以得到相对应的频谱。

摘要： 本发明涉及一种基于梅尔频率倒谱系数的海洋哺乳动物发声检测识别方法，提取各类海洋哺乳动物发声信号的梅尔频率倒谱系数及其一阶差分作为发声特征，输入到支持向量机中进行训练，获得分类器。利用能量检测法检测待测环境中是否存在发声信号，提取发声信号的梅尔频率倒谱系数及其一阶差分作为发声特征。将发声信号的发声特征输入到分类器中，获得该发声信号的类别。本发明相对于传统通过提取能量与频谱互相关系数对海洋哺乳动物进行手动分类，或根据海洋哺乳动物频谱进行分类方法，不仅解放了人力，而且识别率高，涉及类别多，在低信噪比下也能保持良好的检测与识别效果，且能满足实时性的要求。