Mel频率下基于LPC的语音信号深度特征提取算法

• 作者: 吴承军 席兵 张毅 罗元 黎小松
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 语音识别 线性预测系数 Mel频率倒谱系数 Mel-LPC算法 深度特征提取
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 通信与电子
• 页码范围: 174-179
• 页数: 6页
• 分类号: TN912.3|TP311
• 字数: 4298字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2016.02.006

摘要

针对传统语音信号二次特征提取方法在保证识别率的前提下,实时性较差的问题,提出一种Mel频率下基于线性预测系数(linear predictive coefficient,LPC)的改进的语音信号深度特征提取算法.该方法根据人耳的听觉特性把LPC在Mel频率下进行非线性变换,再进行微分、高阶微分和按比例重组等步骤,得到一种既考虑声道激励又兼顾人耳听觉的新特征参数,从而大大减少传统语音信号深度特征提取的计算量,在不影响识别效率的情况下,极大提高系统的实时性.最后,将该算法在智能轮椅平台进行有效性验证,大量实验表明,语音控制系统实时性差的问题在使用该算法后能够得到明显改善,该算法既保证了特征提取识别率,也有效地改善了系统的实时性.在一定程度上使语音控制智能轮椅更具实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗元	重庆邮电大学光电信息感测与传输技术重点实验室	192	1681	17.0	31.0
2	张毅	重庆邮电大学信息无障碍工程研发中心	281	2390	21.0	36.0
3	席兵	重庆邮电大学光电信息感测与传输技术重点实验室	36	110	6.0	8.0
4	黎小松	重庆邮电大学信息无障碍工程研发中心	2	38	2.0	2.0
5	吴承军	重庆邮电大学光电信息感测与传输技术重点实验室	2	38	2.0	2.0