基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
利用小波变换对含噪语音信号进行特征提取,结合隐马尔可夫和人工神经网络混合模型进行识别的方法,进一步反映语音信号的动态特性、增强抗干扰能力、提高识别率.实验证明,该模型适合于对噪声背景下的语音进行识别,同传统的HMM模型相比,具有更好的抗噪鲁棒性,在信噪比较低情况下,识别率比传统的HMM模型有明显提高.
推荐文章
基于HMM/ANN混合模型的带噪语音识别
语音识别
小波调制尺度
隐马尔可夫/自组织神经网络
基于DSP的口令式语音CDHMM的实时训练系统
CDHMM
DSP
模型训练
语音识别
一种基于HMM/ANN的混合语音识别系统的设计
语音识别
连续HMM
自组织特征映射神经网络
噪声背景
基于HMM和LVQ网络混合模型的语音识别方法
语音识别
隐马尔可夫模型
学习向量量化
混合模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于CDHMM/SONN混合模型的带噪语音识别
来源期刊 滨州学院学报 学科 工学
关键词 语音识别 小波变换 CDHMM/SONN
年,卷(期) 2006,(6) 所属期刊栏目
研究方向 页码范围 35-38
页数 4页 分类号 TN912.34
字数 2434字 语种 中文
DOI 10.3969/j.issn.1673-2618.2006.06.009
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 齐爱学 滨州学院物理与电子科学系 14 32 4.0 5.0
3 侯阿临 长春工业大学计算机科学与工程学院 30 138 6.0 10.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (9)
共引文献  (6)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
语音识别
小波变换
CDHMM/SONN
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
滨州学院学报
双月刊
1673-2618
37-1435/Z
大16开
山东省滨州市黄河五路391号
1985
chi
出版文献量(篇)
2632
总下载数(次)
6
论文1v1指导