典型文献
基于VMD和Teager能量算子倒谱的方言语种识别
文献摘要：
针对汉语方言识别率低和在噪声环境下鲁棒性差问题,将特征提取与语音增强结合,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)的改进梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients,MFCC)和Teager能量算子倒谱系数(Teager Energy Operator Cepstral Coefficient,TEOCC)融合的特征提取算法.该算法先将方言信号经VMD改进算法提取特征后再与TEOCC融合,最后通过高斯混合通用背景模型(Gaussian Mixture Model-Universal Background Model,GMM-UBM)进行方言语种识别.实验结果表明:相对于单一的MFCC特征,所提方法在无噪和有噪环境下识别率均有所提升,验证了改进算法在方言语种识别中的有效性.
文献关键词：
方言识别;变分模态分解;Teager能量算子倒谱系数;语音增强
中图分类号：
作者姓名：
付英;刘增力
作者机构：
昆明理工大学 信息工程与自动化学院,云南 昆明 650504;昆明理工大学 云南省人工智能重点实验室,云南 昆明 650504
文献出处：
引用格式：
[1]付英;刘增力-.基于VMD和Teager能量算子倒谱的方言语种识别)[J].通信技术,2022(04):435-442
A类：
方言语种识别,TEOCC
B类：
VMD,Teager,能量算子,汉语方言,方言识别,识别率,噪声环境,语音增强,变分模态分解,Variational,Decomposition,梅尔频率倒谱系数,Mel,Frequency,Cepstral,Coefficients,MFCC,Energy,Operator,特征提取算法,改进算法,提取特征,高斯混合,合通,背景模型,Gaussian,Mixture,Model,Universal,Background,GMM,UBM
AB值：
0.337823
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
