成都信息工程学院学报
成都信息工程學院學報
성도신식공정학원학보
JOURNAL OF CHENGDU INSTITUTE OF METEOROLOGY
2008年
4期
384-388
,共5页
线性预测倒谱系数(LPCC)%小波特征参数%多层前馈式神经网络%扩展卡尔曼滤波(EKF)算法
線性預測倒譜繫數(LPCC)%小波特徵參數%多層前饋式神經網絡%擴展卡爾曼濾波(EKF)算法
선성예측도보계수(LPCC)%소파특정삼수%다층전궤식신경망락%확전잡이만려파(EKF)산법
首先从语音信号中提取出特征参数:线性预测倒谱系数(LPCC)和用小波包提取的小波特征参数(WPC);语音特征分类模型则选择多层前馈式神经网络(MBP网络),并将奇异值分解运用到扩展卡尔曼滤波(EKF)算法中作为神经网络的学习算法.仿真结果表明,小波特征参数具有良好的识别效果;同时采用改进后的扩展卡尔曼滤波(EKF)算法使人工神经网络具有更稳定、更准确的分类性能.
首先從語音信號中提取齣特徵參數:線性預測倒譜繫數(LPCC)和用小波包提取的小波特徵參數(WPC);語音特徵分類模型則選擇多層前饋式神經網絡(MBP網絡),併將奇異值分解運用到擴展卡爾曼濾波(EKF)算法中作為神經網絡的學習算法.倣真結果錶明,小波特徵參數具有良好的識彆效果;同時採用改進後的擴展卡爾曼濾波(EKF)算法使人工神經網絡具有更穩定、更準確的分類性能.
수선종어음신호중제취출특정삼수:선성예측도보계수(LPCC)화용소파포제취적소파특정삼수(WPC);어음특정분류모형칙선택다층전궤식신경망락(MBP망락),병장기이치분해운용도확전잡이만려파(EKF)산법중작위신경망락적학습산법.방진결과표명,소파특정삼수구유량호적식별효과;동시채용개진후적확전잡이만려파(EKF)산법사인공신경망락구유경은정、경준학적분류성능.
