-
Patent Agency Ranking
公开(公告)号：CN105679312B
公开(公告)日：2019-09-10
申请号：CN201610125032.3
申请日：2016-03-04
Applicant: 重庆邮电大学
IPC: G10L15/02 , G10L19/02 , G10L21/0332
Abstract: 本发明请求保护一种噪声环境下声纹识别的语音信号特征处理方法，包括步骤：(1)根据语音信号的特点对其进行信号的前期处理，包括语音信号的预加重，端点检测和加窗函数的选择；(2)估算发声个体的基音周期，并以此为依据对语音信号进行谱平滑处理，得到新的谱包络，计算通过梅尔滤波器的能量，最终通过离散余弦变换(DCT)计算得到梅尔平滑系数(SFCC)。(3)结合均值消减法、方差归一化、时间序列滤波法和加权自回归移动平均滤波法对SFCC进行后处理，得到回归平衡参数(MVDA)；目的是通过平滑谱包络去除个体发声的不稳定因素和通过后处理算法去除环境噪声的影响，最终降低声纹识别的误识率。
-
公开(公告)号：CN107274887A
公开(公告)日：2017-10-20
申请号：CN201710322792.8
申请日：2017-05-09
Applicant: 重庆邮电大学
CPC classification number: G10L15/02 , G06K9/00523 , G10L15/20 , G10L17/02 , G10L19/02 , G10L19/26 , G10L25/24 , G10L25/45
Abstract: 本发明公开了一种基于融合特征MGFCC的说话人二次特征提取方法，该方法包括步骤：S1利用Mel滤波器对说话人语音进行处理得到MFCC特征；S2同时利用Gammatone滤波器对说话人语音进行处理得到GFCC特征；S3对两种特征在噪声环境下的各维特征区分度进行计算；S4统计两种特征的每一维特征处于最大FR值的次数；S5根据两种特征在噪声背景下的最大次数的不同进行特征融合；S6对融合特征进行微分和重组得到二次提取特征。本发明可以提取更能全面表达说话人的特征。
-
公开(公告)号：CN106653062A
公开(公告)日：2017-05-10
申请号：CN201710086400.2
申请日：2017-02-17
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种低信噪比环境下基于谱熵改进的语音端点检测方法，针对当前说话人识别中由于低信噪比环境下造成语音端点检测系统准确率不高的问题，提出了一种低信噪比环境下提高语音端点检测准确率的端点检测方法：(1)根据语音信号的特点对其进行信号的预处理；(2)根据语音信号每帧频带的划分，计算各子带谱熵和子带能量，最终得到各子带能熵比SEH；(3)设置合适门限值，然后结合中值滤波得到语音的起止位置；目的是通过中值滤波去除环境噪声的影响，以使语音信号更加平稳，提高低信噪比环境下端点检测的准确率。
-
公开(公告)号：CN106897663A
公开(公告)日：2017-06-27
申请号：CN201710010907.X
申请日：2017-01-06
Applicant: 重庆邮电大学
Abstract: 本发明涉及信息消噪提取领域，具体公开了一种主成分分析改进小波算法的超声波消噪方法，包括用经验模态分解算法将采集的超声波信号X(t)作为分解信号，分解成若干个IMF分量；根据小波阈值算法确定每个IMF分量的消噪阈值；根据每个IMF分量的消噪阈值计算每个IMF分量的有用信号能量；根据每个IMF分量的有用信号能量，按照贡献率大到小，确定前S个分量为主成分，进而得到PCA分量；将每个PCA分量相加得到消噪的IMF分量；将消噪后的IMF分量进行融合得到消噪超声波信号等步骤。本发明可以提取较纯净的消噪超声波信号。提高了消噪超声波信号的信噪比，改善了消噪超声波信号的还原度。
-
公开(公告)号：CN105679312A
公开(公告)日：2016-06-15
申请号：CN201610125032.3
申请日：2016-03-04
Applicant: 重庆邮电大学
IPC: G10L15/02 , G10L19/02 , G10L21/0332
Abstract: 本发明请求保护一种噪声环境下声纹识别的语音信号特征处理方法，包括步骤：(1)根据语音信号的特点对其进行信号的前期处理，包括语音信号的预加重，端点检测和加窗函数的选择；(2)估算发声个体的基音周期，并以此为依据对语音信号进行谱平滑处理，得到新的谱包络，计算通过梅尔滤波器的能量，最终通过离散余弦变换(DCT)计算得到梅尔平滑系数(SFCC)。(3)结合均值消减法、方差归一化、时间序列滤波法和加权自回归移动平均滤波法对SFCC进行后处理，得到回归平衡参数(MVDA)；目的是通过平滑谱包络去除个体发声的不稳定因素和通过后处理算法去除环境噪声的影响，最终降低声纹识别的误识率。
-
-
-
-
Search Results
5
records
(took 0.017 seconds)
