检索结果-南通市图书馆

科学技术与工程 2024年第16期24卷 6792-6798页

作者：苏瑞轩葛动元姚锡凡广西科技大学机械与汽车工程学院柳州54500 华南理工大学机械与汽车工程学院广州51500

为了对环境声音进行更好的识别,提出基于通道和帧级特征注意力的环境声音识别卷积神经网络模型。该模型针对声音特征特点选取一维卷积以提高模型对声音特征信息的提取能力,并引入SE-Res2Net模块实现对声音特征细粒度上的全局感受并帮助... 详细信息

为了对环境声音进行更好的识别,提出基于通道和帧级特征注意力的环境声音识别卷积神经网络模型。该模型针对声音特征特点选取一维卷积以提高模型对声音特征信息的提取能力,并引入SE-Res2Net模块实现对声音特征细粒度上的全局感受并帮助模型关注特征通道间的信息,在全连接层前加入注意力统计池化模块,增强模型对表征不同声音类别的关键帧级特征的学习以提高模型识别性能。采用Urbansound8K数据集,实验结果表明:所提模型在测试集上的训练准确率达到94.5%,即模型可以有效学习声音特征中表征不同环境声音的关键信息并进行正确预测。对消融实验结果分析可得,所提模型的设计可使其分类错误率的下降率达到43.8%,表明模型对一维卷积的应用和各个模块的引入是有效的,可见所提环境声音识别模型性能优越。

关键词：声音识别细粒度通道加权帧级特征注意力统计池化

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于帧级特征的端到端说话人识别

引用

计算机科学 2020年第10期47卷 169-173页

作者：花明李冬冬王喆高大启华东理工大学信息科学与工程学院上海200237

现有的说话人识别方法仍存在许多不足。基于话语级特征输入的端到端方法由于语音长短不一致需要将输入处理为同等大小,而特征训练加后验分类的两阶段方法使得识别系统过于复杂,这些因素都会影响模型的性能。文中提出了基于帧级特征的端... 详细信息

现有的说话人识别方法仍存在许多不足。基于话语级特征输入的端到端方法由于语音长短不一致需要将输入处理为同等大小,而特征训练加后验分类的两阶段方法使得识别系统过于复杂,这些因素都会影响模型的性能。文中提出了基于帧级特征的端到端说话人识别方法。模型采用帧级语音作为输入,同等大小的帧级特征有效解决了话语级语音输入长度不一致的问题,且帧级特征可保留更多的话者信息。与如今主流的两阶段法识别系统相比,端到端的识别方法将特征训练和分类打分一体化,简化了模型的复杂性。在训练阶段,每段语音被分帧成多个帧级语音输入到卷积神经网络(Convolutional Neural Networks,CNN)用于训练模型。在评估阶段,训练好的CNN模型对帧级语音进行分类,每段语音基于多个帧的预测得分计算该条语音数据的预测类别。每段语音的类别通过取各帧最多预测类别和各帧预测值平均的方法来计算。为了验证方法的有效性,使用普通话情感语音语料库(MASC)的语音数据进行训练和测试。实验结果表明,与现有方法相比,基于帧级特征的端到端识别方法的性能表现更佳。

关键词：说话人识别端到端卷积神经网络帧级特征话语级语音

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于语音和雷达双传感器的测谎技术研究

基于语音和雷达双传感器的测谎技术研究

引用

作者：李新南京理工大学

学位级别：硕士

说谎是人类日常生活中一种常见且复杂的行为,会对他人的认知造成恶劣的影响,情节严重的甚至构成犯罪。测谎技术的研究对于心理学、生理学、行为学、刑侦、司法等领域有着重要的意义。语音作为谎言的直接载体,是目前测谎技术的主流研究... 详细信息

说谎是人类日常生活中一种常见且复杂的行为,会对他人的认知造成恶劣的影响,情节严重的甚至构成犯罪。测谎技术的研究对于心理学、生理学、行为学、刑侦、司法等领域有着重要的意义。语音作为谎言的直接载体,是目前测谎技术的主流研究方向之一。但是由于语音的个体差异性极强,其测谎的局限性较大。生理信号具有极强的客观性和规律性,对于测谎有着重要作用,但其传统接触式测量方式会对结果产生影响。因此,本文提出基于语音和雷达双传感器的测谎系统及技术,非接触式地获取语音、心跳和呼吸三种信号,借助于特征提取、特征融合和机器学习技术来实现测谎,能够克服单一传感器的局限性,提高测谎准确率。本文的主要工作为:1、提出了基于语音和雷达双传感器的测谎系统,对雷达的工作原理和组成部分进行了介绍。其次,介绍了测谎范式和常用数据库,并构建了适用于本文双传感器测谎技术研究的数据库。最后,介绍了本文所采用的机器学习算法模型。2、基于语音的测谎技术研究。首先,对语音信号进行基于SOX和改进谱减法的组合降噪、基于能零比法的声音事件的检测等预处理。其次,根据说谎时语音的变化特点,运用open SMILE进行语音特征提取。最后进行语音测谎分类,实验结果表明,基于Boruta算法特征选择后的准确率可达64.8%。3、基于雷达的测谎技术研究。首先,对雷达信号进行反正切解调、滤波和裁剪同步等预处理获得心跳和呼吸信号。其次,对心跳和呼吸信号进行传统特征提取。基于说谎时生理信号的短时变化特点,提取心跳和呼吸信号的帧级特征。最后进行心跳和呼吸测谎分类,实验结果表明,基于呼吸信号的测谎准确率可达64.6%,基于心跳信号的测谎准确率可达68.1%。4、基于语音和雷达双传感器的测谎技术模型,提出了一种基于PCA降维的改进典型相关分析的特征融合算法,该算法通过特征降维后最大化特征集之间的相关性来融合语音、心跳和呼吸三种特征集。实验结果表明,融合后的测谎准确率达到了71%,本文提出的特征融合算法比另外两种算法在准确率上提高了至少2%,在融合分类时间效率上提升了至少30.8%。

关键词：生理信号帧级特征双传感器测谎特征融合机器学习算法

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于2DPCA特征降维的CNN说话人识别

引用

软件导刊 2022年第1期21卷 131-135页

作者：张学祥雷菊阳上海工程技术大学机械与汽车工程学院上海201620

针对使用话语级特征参数矩阵作为卷积神经网络输入而导致收敛速度慢及识别率低的问题,提出一种基于二维主成分分析(2DPCA)特征降维的卷积神经网络(CNN)说话人识别方法。首先将每段语音分帧成多个帧级语音并提取同等大小的帧级特征组成... 详细信息

针对使用话语级特征参数矩阵作为卷积神经网络输入而导致收敛速度慢及识别率低的问题,提出一种基于二维主成分分析(2DPCA)特征降维的卷积神经网络(CNN)说话人识别方法。首先将每段语音分帧成多个帧级语音并提取同等大小的帧级特征组成特征矩阵,然后利用2DPCA对特征矩阵进行降维处理,再将得到的主成分特征向量组合成新的特征矩阵作为CNN的输入,最后通过CNN的自适应特征学习创建说话人模型。基于Alexnet的CNN模型实验结果表明,采用该说话人识别方法使运行时间减少了57%,同时识别率也有所提高。

关键词：二维主成分分析帧级特征卷积神经网络说话人识别

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：