端点检测
端点检测的相关文献在1989年到2022年内共计874篇,主要集中在无线电电子学、电信技术、自动化技术、计算机技术、一般工业技术
等领域,其中期刊论文534篇、会议论文38篇、专利文献1105798篇;相关期刊242种,包括科学技术与工程、电声技术、通信技术等;
相关会议36种,包括2015中国西部声学学术交流会、天津市公路学会2014学术年会、第十一届全国人机语音通讯学术会议等;端点检测的相关文献由1690位作者贡献,包括曾庆宁、马华东、张二华等。
端点检测—发文量
专利文献>
论文:1105798篇
占比:99.95%
总计:1106370篇
端点检测
-研究学者
- 曾庆宁
- 马华东
- 张二华
- 张婷
- 朱唯鑫
- 李祺
- 李超
- 章小兵
- 郑侃彦
- 韩忠涛
- 于洪志
- 张毅
- 张鹏
- 李晔
- 王博
- 王玲
- 董胡
- 郑展恒
- 不公告发明人
- 吕钊
- 吴小培
- 周萍
- 朴春俊
- 李晋
- 沈小正
- 胡国平
- 范影乐
- 冯涛
- 刘铁根
- 国雁萌
- 张军
- 张磊
- 李娟
- 王健
- 王健宗
- 王智国
- 郭英
- 钱盛友
- 黄翔东
- Y·戈特基斯
- 侯义斌
- 冯璐
- 刘琨
- 周强
- 姜友海
- 常乐
- 张新
- 张楠赓
- 张涛
- 张超
-
-
孙浩楠;
仝志民;
谢秋菊;
李嘉熙
-
-
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。
-
-
郭梦寒;
谭景文;
刘亦凡;
江富荣;
赵丹诚
-
-
摘要:
通过异常声监测危险事件逐渐成为公共安全监测的有力手段之一。本项目设计并实现一种异常声信号采集与识别系统,使用Respeaker开发板作拾音器检测周围环境是否存在异常声。若存在异常声,拾音器则进行采集并通过无线传输的方式将音频上传至服务器,由服务器对每段音频依次进行预处理、特征提取及模型预测,最后输出识别结果。项目使用卷积神经网络(Convolutional Neural Networks,CNN)训练了尖叫声、鸣笛声、鞭炮声三种异常声的识别模型。实验结果表明,该系统能够较准确地识别出三种异常声音,具有一定的应用价值,可以作为后续异常声信号识别的参考。
-
-
罗海涛
-
-
摘要:
语音由发音器官发出,通过声电传感器,语音可以转化连续的模拟电信号;随着电子技术和计算机技术的进一步发展,语音信号的处理得到了飞速的发展;语音信号分析处理包括时域分析和频域分析两大类;语音的时域分析包括短时能量分析、短时过零率分析、短时相关分析,时域分析目的是提取语音时域特征,据此进行语音端点检测。
-
-
-
纪楠;
尹艳玲;
沈维政;
寇胜利;
戴百生;
王国维
-
-
摘要:
叫声是评估生猪福利水平的重要方式之一。本文首先分析了生猪叫声与福利之间的相互关系。其中,与生猪福利密切相关的三种生猪叫声包括咳嗽声、尖叫声和呼噜声。基于这三种声音进一步分析声音与环境,声音与身体状况,以及声音与健康之间的关系。随后,对当下的生猪福利监测所采用的传感器,包括穿戴式与非接触式两大类进行分析,并简述不同方式的优劣势。基于非接触式的优势及麦克风传感器技术的可行性,从声音的获取和标记、特征提取以及声音分类三个方面对现有的生猪声音处理技术进行了阐述和评估。最后,从声音监测技术、生猪个体福利监测、商业应用以及养猪从业者四个角度讨论了叫声在生猪福利监测中面临的研究困境以及发展趋势。研究发现,目前关于生猪声音分析的研究大多集中在分类器的选择和识别算法的改进上,而对端点检测和特征选择的研究较少。同时,当下面临的主要挑战还包括不同生长阶段的音频数据获取难度较高,缺乏公共的猪舍内音频数据库以及缺少完善的声音指标与动物福利监测评价体系。总体来说,建议进一步对声音识别过程中涉及的各部分技术进行深入探索,同时加强跨学科专家之间的合作,共同推动声音监测在生猪实际生产中的应用,从而加快精准畜牧业的实现。
-
-
张毅;
徐方辰;
戴丽娟;
奚扬
-
-
摘要:
为提高基于相敏光时域反射计的分布式光纤声传感系统对振动信号的识别速度与识别准确率度,本文提出使用端点检测对光纤传感振动信号进行预识别的方法。该方式首先使用小波阈值折衷去噪对振动信号进行去噪处理,然后使用基于短时能量与短时过零率的端点检测方式对采集到的振动信号进行检测,如果检测到振动信号中存在有振动,则使用Resnet18网络对振动类型进行进一步的识别;若未检出振动信号,则将振动信号判定为噪音,不再进行进一步的检测。实验证明该方式能有效降低分布式光纤声传感系统对振动信号的识别时间,并且通过使用Resnet18网络对一维振动信号进行识别提高了对振动信号的识别准确率,对噪音信号的识别时间降低为3.5 ms,对振动信号的平均识别准确率达到96.3%。
-
-
王静宇;
张纯;
许枫
-
-
摘要:
为了检测野外复杂噪声环境中的鸟鸣声信号,提出一种基于人耳听觉特性的听觉子带能量特征鸟鸣声端点检测方法。利用反映人耳听觉特征的Mel频率尺度变换,将鸟鸣声信号在频域划分为24个子带(称为Mel子带),分析鸟鸣声信号的Mel子带能量分布特征,选取能量值最高的Mel子带能量作为特征量进行端点检测。通过仿真和野外实测数据对比了基于短时能量法的端点检测性能,结果表明Mel子带能量法在信噪比(SNR)为-10 dB条件下仍能检测到鸟鸣声信号,对风声、海浪声等海岛环境噪声也具有较强的抗干扰性能,性能优于短时能量法。
-
-
刘艳辉
-
-
摘要:
智能语音已经走进人们的日常生活,端点检测技术的发展对语音识别的应用起到了关键性作用,如何在嘈杂环境下正确识别出语音段,是影响语音识别系统性能的重要因素。针对已有的端点检测技术,提出了改进型多特征语音端点检测方法,在降噪的同时进行语音增强。即运用子带谱熵进行噪声估计,运用自适应噪声平滑进行降噪,并在谱减法的基础上进一步改进谱减参数,得到增强的语音信号。通过MATLAB仿真发现,改进型多特征语音端点检测技术能够更好地适应不同噪声环境,对端点检测有很好的适用性。
-
-
冯月春;
陈惠娟
-
-
摘要:
在全特征矢量集模型CFC和互信息识别的基础上,对不同的语音特征参数提取方式及不同特征在不同信噪比下的识别率做了比较,实验结果表明基于人耳听觉特性的稳健特征提取方式在高信噪比时识别率最高;本文针对低信噪比情况下说话人识别系统的识别率较低的问题,提出了基于多窗谱估计普减法的能熵比法用于语音的前端降噪处理,结果表明通过改进的端点检测法在低信噪比下明显提高说话人识别的识别率.
-
-
俞景彦;
赵晓群
-
-
摘要:
端点检测是语音标注的重要前序技术,针对语音标注,设计了一种基于信噪比分类的自适应端点检测算法.该算法首先对标注语音的信噪比分布范围进行分析,将信噪比分类,在每类信噪比范围内选择对应较优的算法.在高信噪比范围选择子带谱熵法,在中等信噪比范围内选择均匀子带频带方差法,而在低信噪比环境下先对带噪语音进行谱减法去噪处理,再采用基于均匀子带频带方差的端点检测算法.仿真实验表明,对语音标注采用的音频信号进行端点检测,该算法能达到较高的检测正确率,证明了算法的有效性.
-
-
LI Wei-qi;
李玮琦;
HE Rong-rong;
何蓉蓉;
TIAN Lan;
田岚
- 《2018苏鲁黑浙四省声学技术学术会议》
| 2018年
-
摘要:
由于在低信噪比环境下,传统语音信号端点检测算法性能迅速降低,本文提出了增强减谱方差联合法以及多窗谱减谱能熵比联合法对语音信号进行端点检测,将去噪与检测处理有效结合在一起.增强减谱方差联合法首先利用增强减谱法对带噪信号去噪,减谱调节因子的引入增强了对噪声的适应性,由于去噪后的信号的方差值在边界点处具有明显特征,以此采用基本方差法进行端点检测.而多窗谱减谱能熵比联合法是利用多窗谱估计减谱法对带噪语音信号进行去噪,采用多个相互正交的窗函数求谱值,使频谱方差误差更小,能熵比法相比于其它算法抗噪性能更强.通过实验,设置不同的信噪比、在不同类型的噪声下对语音信号进行端点检测,实验结果表明,改进的两种算法对不同噪声和低信噪环境适应性良好,比传统算法正确率更高.
-
-
Zhu Chunli;
朱春利;
Li Xin;
李昕
- 《2017中国仿真大会》
| 2017年
-
摘要:
低信噪比环境下语音的端点检测在语音处理中占有十分重要的地位.对于一个受到加性噪声污染的语音信号通常采用滤波的方式,能够抑制噪声,并使原始语音保持相对不变.提出了一种基于最小均方误差(LMS)自适应滤波减噪与改进的双门限语音端点检测算法,在进行双参数双门限法端点检测的前后进行双重中值滤波平滑处理.通过Matlab仿真,将提出的语音端点检测方法与其它的方法进行对比,在信噪比较低的噪声环境下使得语音的端点检测效果具有更优的准确率与稳健性.
-
-
-
-
尹巧萍;
吴海宁;
赵力
- 《2008促进中西部发展声学学术交流会》
| 2008年
-
摘要:
宽带语音增强在改善语音质量方面有着广泛的应用。在语音增强算法中,语音段/噪声段的端点检测非常重要,端点检测的作用是为了更新噪声段能量估计,提高语音增强的性能。本文研究了含噪语音中几种端点检测算法,比较了这几种端点检测方法的性能。
-
-
-
WANG Bo;
王博
- 《第十届全国信号和智能信息处理与应用学术会议》
| 2016年
-
摘要:
提出了基于全相位滤波器实现光纤扰动信号端点检测和模式识别的信号处理方法.通过设定合适的频率向量矩阵,可以快速完成扰动信号的端点检测并计算出感兴趣频带的能量分布作为特征向量,用提取出的特征向量进行模式识别.现场测试的结果表明,该算法可以快速准确地对干扰类型做出判断.
-
-
WANG Can;
王璨;
PENG Jianxin;
彭健新
- 《2015中国西部声学学术交流会》
| 2015年
-
摘要:
鼾声信号的分离是识别鼾声,实现阻塞性睡眠呼吸暂停低通气综合征(OSAHS)诊断的前提与关键,文中提出了一种基于自相关函数的鼾声信号自适应端点检测方法.首先,对带噪睡眠鼾声信号进行一系列降噪处理,提高信噪比,然后对降噪的信号用基于短时自相关函数门限法进行端点检测,分离鼾声段,最后对鼾声事件进行了修正.实验结果表明,文中提出的方法能够实现86%以上的正确识别率,具有较好的分离效果.
-
-
王浩
- 《天津市公路学会2014学术年会》
| 2014年
-
摘要:
语音识别是一个非常具有挑战性的问题.本文提出一种基于短时区域能量谱算法是时域下在对语音信号进行多次抽取的基础上,快速计算出短时区域能量分布曲线,并依据该能量分布曲线,快速发现能量拐点(语音变化的时刻);再依据抽取算法逆运算求出能量拐点对应的原始位置,从而有效检地测出语音信号的端点.试验数据表明:本算法计算具有速度快、准确度高、抗干扰能力强等特点,因此具有一定的实际应用价值.
-