桂林电子科技大学学报
桂林電子科技大學學報
계림전자과기대학학보
JOURNAL OF GUILIN UNIVERSITY OF ELECTRONIC TECHNOLOGY
2010年
2期
108-112
,共5页
经验模态分解%本征模态函数%概率神经网络%能量特征向量
經驗模態分解%本徵模態函數%概率神經網絡%能量特徵嚮量
경험모태분해%본정모태함수%개솔신경망락%능량특정향량
基于EMD和概率神经网络的说话人识别方法,主要针对语音信号具有强时变特性问题,通过自适应性的经验模态分解(EMD)方法,对不同说话人的语音信号进行分解后,得到反映信号特征的本征模态函数(IMF),然后计算IMF的能量并进行归一化得到能量特征向量,利用具有简单高效的模式识别功能的概率神经网络(PNN),对不同说话人的语音能量特征向量识别,从而达到说话人识别的目的.实验结果表明,在噪声污染不大的情况下,该方法能够准确快速地识别说话人身份,具有较高的识别性能.
基于EMD和概率神經網絡的說話人識彆方法,主要針對語音信號具有彊時變特性問題,通過自適應性的經驗模態分解(EMD)方法,對不同說話人的語音信號進行分解後,得到反映信號特徵的本徵模態函數(IMF),然後計算IMF的能量併進行歸一化得到能量特徵嚮量,利用具有簡單高效的模式識彆功能的概率神經網絡(PNN),對不同說話人的語音能量特徵嚮量識彆,從而達到說話人識彆的目的.實驗結果錶明,在譟聲汙染不大的情況下,該方法能夠準確快速地識彆說話人身份,具有較高的識彆性能.
기우EMD화개솔신경망락적설화인식별방법,주요침대어음신호구유강시변특성문제,통과자괄응성적경험모태분해(EMD)방법,대불동설화인적어음신호진행분해후,득도반영신호특정적본정모태함수(IMF),연후계산IMF적능량병진행귀일화득도능량특정향량,이용구유간단고효적모식식별공능적개솔신경망락(PNN),대불동설화인적어음능량특정향량식별,종이체도설화인식별적목적.실험결과표명,재조성오염불대적정황하,해방법능구준학쾌속지식별설화인신빈,구유교고적식별성능.