基于HMM/SVM的抗噪语音特征提取及优化

• 作者: 张秋菊 李婉玲
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 语音识别 梅尔频率倒谱系数 特征参数提取 主成分分析 隐马尔可夫模型 支持向量机
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 研究与探讨
• 页码范围: 55-58
• 页数: 4页
• 分类号: TN912
• 字数: 3742字
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2019)04-0055-04

摘要

为了提高语音识别的鲁棒性,提出一种新的特征组合方法.方法基于F比对梅尔频率倒谱系数(MFCC)进行加权优化,同时将不同特征组合输入到语音隐马尔科夫模型(HMM)进行训练,得到具有抗噪性的最佳组合,并采用主成分分析(PCA)进行降维,增加支持向量机(SVM)分类器作为后处理器.实验表明,改进的MFCC、短时平均能量和Teager能量算子组合参数识别效果最优,识别率达到90.48％.PCA降维后识别率降低了0.4％,提升了计算速度.增加后处理器,系统识别率达到95.25％,提高了系统的识别效率和分类决策力,相对于常规识别方法,准确率有所提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张秋菊		34	151	8.0	11.0
2	李婉玲	江南大学机械工程学院	2	2	1.0	1.0