检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于特征均值距离的短语音段说话人聚类算法

电子与信息学报 2012年第6期34卷 1404-1407页

作者：李艳雄吴永贺前华华南理工大学电子与信息学院广州510640

该文提出一种基于特征均值距离的短语音段说话人聚类算法。首先,定义特征均值距离用来在特征层而不是模型层刻画两个类之间的相似度;然后,迭代合并特征均值距离最小的两个类,直到任意两类之间的特征均值距离的最小值大于一个自适应门限... 详细信息

该文提出一种基于特征均值距离的短语音段说话人聚类算法。首先,定义特征均值距离用来在特征层而不是模型层刻画两个类之间的相似度;然后,迭代合并特征均值距离最小的两个类,直到任意两类之间的特征均值距离的最小值大于一个自适应门限为止。采用取自两个语音数据库的短于3 s的语音段进行实验测试,结果表明:与基于AHC+BIC的算法相比,F度量值平均提高了5%,运算速度约为以前算法的4.68倍。

关键词：语音信号处理说话人聚类特征均值距离短语音段

在线全文

学校读者我要写书评

暂无评论

一种基于倒排索引的音频检索方法

电子与信息学报 2012年第11期34卷 2561-2567页

作者：张雪源贺前华李艳雄叶婉玲华南理工大学电子与信息学院广州510640

传统的基于实例的音频检索算法采用顺序索引,检索时需遍历数据库并导致难以忍受的等待时间。针对传统的顺序的索引方法,该文提出基于倒排索引的音频检索算法。该方法首先利用多种音频特征构成的超向量,通过多层音频分割方法将连续音频... 详细信息

传统的基于实例的音频检索算法采用顺序索引,检索时需遍历数据库并导致难以忍受的等待时间。针对传统的顺序的索引方法,该文提出基于倒排索引的音频检索算法。该方法首先利用多种音频特征构成的超向量,通过多层音频分割方法将连续音频流分割为特征数值波动幅度小的短时音频段;然后利用事先训练好的音频字典,将短时音频段序列转换为可以表征音频内容的音频字序列,并建立倒排索引;检索时,将用户提交的查询转换为音频字后利用倒排索引无须遍历数据库即可直接定位候选段落,并根据候选段落与查询的内容相似度大小对候选段落进行排序,将排好序的列表作为检索结果。仿真实验以匹配项排名、同类检索结果比例、定位准确性和检索用时4个方面作为评价指标,实验结果显示,该算法能够在平均1.101 s时间内实现92.58%的检索准确率。

关键词：音频信号处理音频检索内容相似度倒排索引

在线全文

学校读者我要写书评

暂无评论

复杂环境下基于准干净语音的音质评价方法

华中科技大学学报（自然科学版） 2016年第7期44卷 121-126页

作者：周伟力贺前华李艳雄刘杨华南理工大学电子与信息学院广东广州510640

提出一种新的复杂环境噪声下无参考源语音质量客观评价方法.该方法基于准干净语音构造和有参考源评价模型,实现接近于有参考源客观评价的性能.首先,采用改进的最小值控制递归平均算法和多带谱减法获得带噪语音的准干净语音;然后,将该准... 详细信息

提出一种新的复杂环境噪声下无参考源语音质量客观评价方法.该方法基于准干净语音构造和有参考源评价模型,实现接近于有参考源客观评价的性能.首先,采用改进的最小值控制递归平均算法和多带谱减法获得带噪语音的准干净语音;然后,将该准干净语音作为改进的主观语音质量评估(PESQ)算法的参考语音,计算参考语音与带噪语音之间的失真误差,获得带噪语音的客观评价分值.实验结果表明:该算法客观评分相关度达到0.927,与有参考源语音质量客观评价标准的相关度0.931相比,实现了99%的接近,与无参考源的客观评价标准相比,提高了7.4%.

关键词：语音质量客观评价无参考源复杂环境准干净语音构造

在线全文

学校读者我要写书评

暂无评论

变异特征加权的异常语音说话人识别算法

华南理工大学学报（自然科学版） 2012年第3期40卷 106-111页

作者：何俊李艳雄贺前华李威华南理工大学电子与信息学院广东广州510640

常用的加权算法难以跟踪非常态语音特征的变异,为此,文中提出了一种变异特征加权的异常语音说话人识别算法.首先统计大量正常语音各阶MFCC特征的概率分布,建立正常语音特征模板;然后用测试语音特征与正常语音特征模板之间的K-L距离和欧... 详细信息

常用的加权算法难以跟踪非常态语音特征的变异,为此,文中提出了一种变异特征加权的异常语音说话人识别算法.首先统计大量正常语音各阶MFCC特征的概率分布,建立正常语音特征模板;然后用测试语音特征与正常语音特征模板之间的K-L距离和欧氏距离来度量语音的变异程度,确定K-L加权因子和欧氏加权因子;最后利用加权因子对测试语音的MFCC特征进行加权,并将加权后的特征输入高斯混合模型进行异常语音说话人识别.实验结果表明,文中提出的K-L加权和欧氏加权的异常语音说话人识别算法的整体识别率分别为46.61%和42.25%,而基于各阶特征对说话人识别贡献的加权算法和不加权算法的整体识别率分别为39.68%和36.36%.

关键词：异常语音说话人识别变异特征加权 K-L距离加权因子

在线全文

学校读者我要写书评

暂无评论

基于凝聚信息瓶颈的音频事件聚类方法

电子学报 2017年第5期45卷 1064-1071页

作者：李艳雄王琴张雪邹领华南理工大学电子与信息学院广东广州510640

为了进一步提高音频事件聚类算法性能,本文基于凝聚信息瓶颈理论提出一种音频事件聚类方法.首先,论述信息瓶颈原理及其推导过程;然后,详细论述一种基于凝聚信息瓶颈的音频事件聚类方法,包括源变量、相关变量和目标变量的定义,聚类的具... 详细信息

为了进一步提高音频事件聚类算法性能,本文基于凝聚信息瓶颈理论提出一种音频事件聚类方法.首先,论述信息瓶颈原理及其推导过程;然后,详细论述一种基于凝聚信息瓶颈的音频事件聚类方法,包括源变量、相关变量和目标变量的定义,聚类的具体步骤,算法主要计算量分析等.采用取自两个数据库的音频事件样本进行测试,实验结果表明:与目前文献报道的方法相比,本文方法在多种实验条件下都获得了更高的K值(平均类纯度和平均音频纯度的几何平均值),而且运算速度更快.

关键词：凝聚信息瓶颈音频事件聚类音频内容分析

在线全文

学校读者我要写书评

暂无评论

一种改进的BIC说话人改变检测算法

华南理工大学学报（自然科学版） 2009年第9期37卷 47-51页

作者：杨继臣贺前华潘伟锵徐益君李艳雄华南理工大学电子与信息学院广东广州510640

针对贝叶斯信息准则（BIC）算法在说话人改变检测中计算量大、检测精度低的问题,文中提出了一种改进的BIC说话人改变检测算法.该算法通过限制分析窗内第一个数据窗的最大长度来降低计算量,并通过增加分析窗内第二个数据窗的有效长度（... 详细信息

针对贝叶斯信息准则（BIC）算法在说话人改变检测中计算量大、检测精度低的问题,文中提出了一种改进的BIC说话人改变检测算法.该算法通过限制分析窗内第一个数据窗的最大长度来降低计算量,并通过增加分析窗内第二个数据窗的有效长度（提高可测度）来提高检测精度;同时,该算法只在新增区间内寻找潜在说话人改变点,从而解决了长时间无说话人改变时计算量不断增大的问题.实验结果表明,该算法和传统的BIC算法相比,偏移误差范围由0.10-0.80降低到0.03-0.20;当分析窗长为40s时,计算时间节省了约75%.

关键词：说话人检测改进贝叶斯信息准则检测精度可测度数据窗

在线全文

学校读者我要写书评

暂无评论

基于深层说话人矢量的说话人检索

华中科技大学学报（自然科学版） 2015年第7期43卷 62-65页

作者：李威杨继臣贺前华李艳雄华南理工大学电子与信息学院广东广州510640

为了解决浅层特征不能有效刻画说话人特征,导致说话人检索率不高的问题,提出了一种基于深层说话人矢量的说话人检索方法.使用受限波尔兹曼机逐层构建一个多层的深层特征提取器用以提取说话人深层特征.为说话人构建基于深层特征的深层说... 详细信息

为了解决浅层特征不能有效刻画说话人特征,导致说话人检索率不高的问题,提出了一种基于深层说话人矢量的说话人检索方法.使用受限波尔兹曼机逐层构建一个多层的深层特征提取器用以提取说话人深层特征.为说话人构建基于深层特征的深层说话人矢量.通过计算要检索的说话人的深层说话人矢量和检索库中的说话人深层特征之间的最小距离,对目标说话人进行检索.实验结果表明:在深层特征下,使用深层说话人矢量可以检索到绝大部分的目标说话人;随着深度层数的增加,检索率先增后减,检索率最高对应的深度层数是7;随着深度层数的增加,检索时间非线性增加.

关键词：深层特征深层说话人矢量最小距离说话人检索检索率

在线全文

学校读者我要写书评

暂无评论

基于联合学习框架的音频场景聚类

电子学报 2021年第10期49卷 2041-2047页

作者：张聿晗李艳雄江钟杰陈昊华南理工大学电子与信息学院广东广州510640

音频场景聚类的任务是将属于相同音频场景的音频样本合并到同一个类中.本文提出一种基于联合学习框架的音频场景聚类方法.该框架由一个卷积自编码网络(Convolution Autoencoder Network,CAN)与一个判别性聚类网络(Discriminative Cluste... 详细信息

音频场景聚类的任务是将属于相同音频场景的音频样本合并到同一个类中.本文提出一种基于联合学习框架的音频场景聚类方法.该框架由一个卷积自编码网络(Convolution Autoencoder Network,CAN)与一个判别性聚类网络(Discriminative Clustering Network,DCN)组成.CAN包括编码器和译码器,用于提取深度变换特征,DCN用于对输入的深度变换特征进行类别估计从而实现音频场景聚类.采用DCASE-2017和LITIS-Rouen数据集作为实验数据,比较不同特征与聚类方法的性能.实验结果表明:采用归一化互信息和聚类精度作为评价指标时,基于联合学习框架提取的深度变换特征优于其他特征,本文方法优于其他方法.本文方法所需要付出的代价是需要较大的计算复杂度.

关键词：音频场景聚类联合学习框架卷积自编码网络判别性聚类网络

在线全文

学校读者我要写书评

暂无评论

基于谱稳定性特征的语音与笑声区分新方法

电子与信息学报 2008年第6期30卷 1359-1362页

作者：李艳雄贺前华陈楠齐朝晖华南理工大学电子与信息学院广州510640

该文提出一种采用谱稳定性作为特征参数的区分语音与笑声的新方法。通过分析语音与笑声的谱稳定性参数的特性,发现前者明显小于后者,这表明谱稳定性可以作为区分语音与笑声的特征参数。比较了采用谱稳定性参数、Mel频率倒谱系数、感知... 详细信息

该文提出一种采用谱稳定性作为特征参数的区分语音与笑声的新方法。通过分析语音与笑声的谱稳定性参数的特性,发现前者明显小于后者,这表明谱稳定性可以作为区分语音与笑声的特征参数。比较了采用谱稳定性参数、Mel频率倒谱系数、感知线性预测和基音频率等特征参数在相同实验条件下区分语音与笑声的性能。实验结果表明:在特定人和非特定人情况下,采用谱稳定性作为特征参数区分语音与笑声的正确率分别为90.74%和73.63%,其区分能力优于其它特征参数。

关键词：自然口语语音识别语音笑声区分谱稳定性语音事件