文章目录

1 特征提取

1.1 运动学特征

1.2 声学特征

1.3 特征层双模态融合

2 语音识别模型选择

3 实验数据

4 实验结果与分析

4.1 单模态特征识别结果

4.2 双模态融合特征识别结果

5 结论

文章摘要:针对模糊语音发音机理相近、听觉上容易混淆和容易被智能机器误识的问题,该文设计了一个双模态模糊语音数据库,并提取不同特征用于分类研究。数据库包括语音信号和发音器官运动信号两种模态,共计语音数据6 300条,运动信号数据1 268条。提取声学特征与运动学特征,在特征层进行双模态的融合,通过核主成分分析降维来得到双模态融合特征,选择支持向量机分类模型进行分类识别。实验结果表明,单模态声学特征中,对数变化的耳蜗倒谱系数特征具有较高的识别率,最高可达86.95%。双模态融合特征相比于单模态特征识别率有明显的提高,在低信噪比情况下提升效果更加明显,最大可提高6.53%。

文章关键词:

项目基金: 上一篇：汽车工业论文_“新四化”背景下汽车NVH的发展
下一篇：没有了