多特征和APSO-QNN相结合的语音端点检测算法

• 作者: 董胡
• 来源期刊: 探测与控制学报
• 关键词: 端点检测 加速粒子群优化 量子神经网络 正确率 鲁棒性
• 年，卷（期）: 2017,（4）
• 页码范围: 90-95
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文

摘要

针对传统端点检测算法在多种复杂噪声环境下端点检测正确率低、鲁棒性较弱的问题,提出多特征和加速粒子群优化量子神经网络(APSO-QNN)相结合的端点检测算法.该算法通过提取语音信号的短时能量特征、循环平均幅度差函数特征、频带方差特征及美尔频率倒谱系数特征,将这些特征量输入量子神经网络(QNN)进行学习并利用加速粒子群算法对量子神经网络参数进行优化,构建语音端点检测模型,实现对信号的类型的判别.仿真实验结果表明,该方法不仅提升了语音端点检测的正确率,而且降低了虚检率与漏检率,具有较强的抗噪鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董胡	长沙师范学院电子与信息工程系	29	120	6.0	9.0