检索结果-南通市图书馆

北京理工大学学报 1987年第1期 56-62页

作者：吉明柯有安林茂庸北京工业大学电子工程系

本文从最大后验概率估值的角度讨论了语音信号识别中的时间规整问题,讨论了由此导出的方法与常用的动态时间规整方法之间的关系,并对这一方法的普遍意义及其在语音识别中的应用提出了看法。

关键词：语音识别时间规整 MAP估值

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于定位标签的时间规整方法

通信技术 2018年第8期51卷 1815-1819页

作者：钱宇红许士敏储飞黄国防科技大学电子对抗学院安徽合肥230037

为了评估话音通信系统的性能,通常需要把输出语音信号进行时间规整,然后才能比较输入语音信号与输出语音信号的相似度。传统的语音信号时间规整算法适应性差,当环境噪声增大时,时间规整误差会导致系统性能急剧下降。因此,提出了一种基... 详细信息

为了评估话音通信系统的性能,通常需要把输出语音信号进行时间规整,然后才能比较输入语音信号与输出语音信号的相似度。传统的语音信号时间规整算法适应性差,当环境噪声增大时,时间规整误差会导致系统性能急剧下降。因此,提出了一种基于定位标签的时间规整算法,大大提高了低信噪比语音信号的时间规整精度。实验仿真及工程实践表明,当信噪比为-20 d B时,提出的算法仍能达到非常高的估计精度,远远超过传统方法的时延估计精度,具有很强的抗干扰能力。

关键词：时间规整定位标签相关性信噪比

基于样条插值时间规整方法的人工神经元网络全音节识别系统

在线全文

学校读者我要写书评

暂无评论

基于样条插值时间规整方法的人工神经元网络全音节识别系统

利用动态时间规整方法对说话人识别的实验研究

第四届全国人机语音通讯学术会议

作者：俞东海陈道文中国科学院自动化研究所模式识别实验室中国科学院自动化研究所模式识别实验室

时间规整问题历来是人工神经元网络语音识别中的难点。本文提出了一种新的时间规整方法——样条插值曲线拟合线性时间规整方法,在保证识别效果的前提下,克服了传统方法如DTW方法的计算开销太大的缺点。并以此为基础,介绍了一个基于样条... 详细信息

时间规整问题历来是人工神经元网络语音识别中的难点。本文提出了一种新的时间规整方法——样条插值曲线拟合线性时间规整方法,在保证识别效果的前提下,克服了传统方法如DTW方法的计算开销太大的缺点。并以此为基础,介绍了一个基于样条插值时间规整方法的实时人工神经元网络全音节识别系统。

关键词：样条插值时间规整人工神经元网络

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

声学技术 1990年第2期9卷 24-25页

作者：常国岑刘国军信息工程学院

动态时间规整方法是一种以动态规整为基础的模式匹配方法，在模式识别特别是语音识别领域中有着广泛的应用。本文介绍将动态时间规整方法应用于说话人识别的方案，实验研究的结果表明，动态时间规整方法应用于说话人识别是行之有效的，... 详细信息

动态时间规整方法是一种以动态规整为基础的模式匹配方法，在模式识别特别是语音识别领域中有着广泛的应用。本文介绍将动态时间规整方法应用于说话人识别的方案，实验研究的结果表明，动态时间规整方法应用于说话人识别是行之有效的，而且实验的错误率可以降低到静态时间规整说话人识别实验的错误率的一半。

关键词：时间规整语音识别

在线全文

学校读者我要写书评

暂无评论

自编码正则化时间配准算法研究

自编码正则化时间配准算法研究

作者：聂利权国防科学技术大学

学位级别：硕士

时间配准的目标是,在时间坐标上通过时间规整方法减少两个序列之间的距离,从而配准两个时间序列。动态时间规整就是用于时间配准的典型方法之一。近年来,动态时间规整得到极大发展,已广泛应用于计算机视觉和模式识别等领域。但是,现有... 详细信息

时间配准的目标是,在时间坐标上通过时间规整方法减少两个序列之间的距离,从而配准两个时间序列。动态时间规整就是用于时间配准的典型方法之一。近年来,动态时间规整得到极大发展,已广泛应用于计算机视觉和模式识别等领域。但是,现有模型的特征表达能力不足,时间配准性能仍然欠佳。为此,本文有效利用自编码作为正则项,分别从浅层非线性表达和深层表达两个方面,提高动态时间规整的配准性能。本文主要工作为:1.提出非线性自编码正则化典型时间规整模型。动态时间规整及其有效变种模型,特别是典型时间序列规整模型(Canonical Time Warping,CTW),虽然在时间序列配准性能上取得了极大提升,但其线性表达能力仍然有限,性能欠佳。为此,本文提出非线性自编码正则化典型时间规整模型(Autoencoder Regularized CTW,AECTW)。具体为,AECTW结合CTW和非线性自编码正则项,通过明确非线性函数来学习数据中的非线性结构,同时增强低维表达的重构能力。得益于非线性结构和重构表达能力,AECTW能够提高CTW的时间序列配准性能。在合成数据和实际行为识别数据集上的实验结果表明,AECTW在时间序列配准任务上优于基准时间规整模型。2.提出栈式时间配准框架。现有时间规整模型的配准性能极大地依赖于特征表达能力,而它们的所用特征都是浅层的,即利用原始数据或者它们的投影实现序列配准。庆幸地是,近期深度学习研究表明,深层体系更有利于学习有效特征表达。受深层体系启发,本文首次将深度表达引入时间配准模型,提出了栈式时间配准框架(Stacked Temporal Alignment,STA)。相比现有的时间规整模型,STA灵活性更高,不仅能将现有时间规整模型纳入统一架构中,而且以一致的视角理解现有时间规整模型。为平衡时间配准的效能和效率,本文基于STA再度开发了栈式边缘时间规整模型(Stacked Marginal Time Warping,SMTW)。SMTW利用边缘栈式降噪自编码作为正则项来学习鲁棒表达,并通过逐层激励函数捕获原始数据中的非线性结构。在合成数据和人类行为识别数据集上的实验结果表明,相比现有时间规整模型,SMTW获得最好的配准性能,同时时间开销也比较小。这也表明了STA框架的有效性。

关键词：时间配准时间规整特征表达非线性自编码边缘降噪自编码

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

基于神经网络的汉语孤立词语音识别

北京工业大学学报 2002年第3期28卷 289-292页

作者：孙光民董笑盈北京工业大学电子信息与控制工程学院北京100022

研究了基于神经网络的中文孤立词语音识别技术;将时间规整算法与神经网络相结合,组成一个混合级联神经网络语音识别系统.在这个模型中,第一级是时间规整神经网络.其作用是完成时间规整功能,从输入不等长的语音信号特征矢量序列中提取固... 详细信息

研究了基于神经网络的中文孤立词语音识别技术;将时间规整算法与神经网络相结合,组成一个混合级联神经网络语音识别系统.在这个模型中,第一级是时间规整神经网络.其作用是完成时间规整功能,从输入不等长的语音信号特征矢量序列中提取固定长度的特征矢量;然后将这组特征矢量馈入后一级BP网络完成语音识别.利用该方法对小词表汉语孤立词进行语音识别实验,获得了98.25％的正确识别率.实验结果表明,该系统不仅利用神经网络解决了语音识别中的时间规整难题,而且识别性能明显得到改善,识别率和训练速度均优于采用线性时间规整的神经网络语音识别方法.

关键词：汉语孤立词语音识别人工神经网络时间规整特征提取

基于关键帧中运动姿态识别的康复训练研究与实现

在线全文

学校读者我要写书评

暂无评论

基于关键帧中运动姿态识别的康复训练研究与实现

作者：宋瑶瑶南京师范大学

学位级别：硕士

随着人口老龄化速度的加快和社会压力的增加,出现肢体功能障碍疾病的患者日益增多,康复训练的需求也逐渐增加。针对现有的康复训练方式存在费用高、佩戴困难,识别率低等问题,需要将kinect和动作识别结合在一起开发简捷高效的康复训练系... 详细信息

随着人口老龄化速度的加快和社会压力的增加,出现肢体功能障碍疾病的患者日益增多,康复训练的需求也逐渐增加。针对现有的康复训练方式存在费用高、佩戴困难,识别率低等问题,需要将kinect和动作识别结合在一起开发简捷高效的康复训练系统。由于kinect传感器高频率采样,导致采集的动作序列中存在大量冗余帧,给康复训练动作的分析和识别带来困难。为解决上述问题,本文围绕着康复训练动作关键帧的提取和动作姿态识别展开研究,主要内容包括如下:1.康复训练中获取动作姿态特征利用kinect V2传感器采集人体骨骼数据流,通过对数据流的预处理,得到描述动作姿势的骨骼坐标点、骨骼向量和骨骼间角度等特征,为下文研究人体动作识别做准备。2.康复训练动作姿势关键帧获取原始数据序列中存在大量冗余帧,冗余帧的存在导致动作识别准确率降低。本文提出了改进K-means算法的关键帧提取方法,对传统K-means聚类提取关键帧的帧间相似性度量计算和初始聚类中心的选择进行改进,保证动作关键帧的时序性,同时细化了动作的差异性,实验结果显示关键帧的保真率和保全率得到提升。3.基于时间规整的康复训练动作识别康复训练动作识别是对医生和患者的动作姿势序列进行模板匹配。针对模板动作序列和测试动作序列存在的时间差异性问题,本文提出了基于角度趋势变化的时间规整算法,计算模板中骨骼矢量和相对应骨骼矢量之间角度值的相似性,对动作分类识别,通过实验分析得到基于角度趋势变化的时间规整算法的动作识别率较高。4.实现康复训练系统在kinect传感器的辅助下,建立人体标准动作姿势帧序列,患者根据标准动作进行康复训练,通过康复训练系统显示的识别结果,不断调整自己的动作,达到了高效、准确的康复训练。

关键词：动作特征关键帧时间规整动作识别康复训练

一种基于RBF神经网络的命令集语音识别系统研究

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

一种基于RBF神经网络的命令集语音识别系统研究

作者：曾敏广西大学

学位级别：硕士

本文主要研究了人工神经网络在语音识别中的应用，径向基函数神经网络(RBFNN)的原理及在语音识别中的应用，重点在于研究基于径向基神经网络的命令集语音识别系统，研究构造了相应的语音识别模型与算法。并完成了基于MATLAB7.0.1的程序... 详细信息

本文主要研究了人工神经网络在语音识别中的应用，径向基函数神经网络(RBFNN)的原理及在语音识别中的应用，重点在于研究基于径向基神经网络的命令集语音识别系统，研究构造了相应的语音识别模型与算法。并完成了基于MATLAB7.0.1的程序设计和实验。本文对语音信号前端处理的方法进行的研究和比较。分析讨论了基于径向基函数神经网络的语音识别系统，不同的神经网络隐层结构设计方法和不同的学习方法对神经网络性能的影响。采用一种改进的训练方法，有效地改进了径向基函数神经网络的语音识别性能。分析了采用有序聚类网络进行时间规整对神经网络性能的影响。

关键词：径向基函数神经网络命令集语音识别时间规整

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

基于小波网络和HMM的语音识别方法

电声技术 2004年第11期28卷 56-59页

作者：刘维亭朱志宇江苏科技大学电子信息学院江苏镇江212003

利用隐马尔可夫模型(HMM)的动态时间序列建模能力及神经网络的模式分类能力,构成混合语音识别模型,同时考虑到语音信号的非平稳性,采用小波分析方法提取语音特征向量。通过时间规整方法,将所有具有可变长度的语音特征向量转换为相同维... 详细信息

利用隐马尔可夫模型(HMM)的动态时间序列建模能力及神经网络的模式分类能力,构成混合语音识别模型,同时考虑到语音信号的非平稳性,采用小波分析方法提取语音特征向量。通过时间规整方法,将所有具有可变长度的语音特征向量转换为相同维数的特征向量,从而简化了神经网络的结构。仿真结果表明,采用混合语音识别模型以及时间规整方法,不仅可提高识别率,同时大大缩减了训练时间,获得了很好的识别效果。

关键词：语音识别隐马尔可夫模型(HMM) 小波网络时间规整

在线全文

学校读者我要写书评

暂无评论

基于ELM神经网络的语音识别研究

数字技术与应用 2015年第1期33卷 103-104页

作者：王威胡桂明杨丽黄东芳周杨广西大学电气工程学院广西南宁530004

ELM神经网络是一种新的神经网络,近几年来在数据拟合和模式识别等方面得到了广泛的研究。该算法的模型是基于单隐含层神经网络(SLFNs),相比需要经过长期迭代求解参数的其他网络,该算法只需要一次求解就能训练好网络参数,是一种快速训练... 详细信息

ELM神经网络是一种新的神经网络,近几年来在数据拟合和模式识别等方面得到了广泛的研究。该算法的模型是基于单隐含层神经网络(SLFNs),相比需要经过长期迭代求解参数的其他网络,该算法只需要一次求解就能训练好网络参数,是一种快速训练算法。本文将该算法与时间规整相结合对语音进行识别研究,与SVM相比,ELM具有更快的训练速度,且识别效果良好。

关键词：语音识别 ELM SVM 时间规整