- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于hmm与svm的语音活动检测
第40卷 第 1期 计 算 机 工 程 2014年 1月
V0l1.40 NO.1 ComputerEngineering January 2014
· 人工智能及识别技术 · 文章编号:100o_428(2o14)01—_0203—__06 文献标识码:A 中田分类号:TP18
基于HMM 与SVM 的语音活动检测
肖佳林,赵聿晴,王 英
(湖南大学信息科学与工程学院,长沙 410082)
摘 要:工程机械强噪音环境下的噪声源较多,导致电话语音通话无法进行,且强噪声造成无效数据 占用带宽。为此,提出基于
隐马尔科夫模型(HMM)和支持向量机(SVM)的语音活动检测算法。该算法将提取的美尔频率倒谱系数特征向量输入到HMM 识别
器中,并通过Viterbi算法得到Ⅳ维最佳识别结果,将其转换为 SVM特征向量输入到SVM分类器中进行分类判别,得到判决结果。
实验结果表明,该算法在机械工作噪音的情况下,语音检测率较静态统计类算法平均提高9%,比小波支持向量机方法提高 11%,
在驾驶室噪音的情况下比小波SVM方法有较小幅度的提高,但其增长速度较快,且比传统的统计类算法提高9%。
关健词:美尔频率倒谱系数;隐马尔科夫模型;支持向量机;语音活动检测;核函数
VoiceActivityDetectionBased0nHMM andSVM
XIAO Jia—lin,ZHAOYu-qing,W ANG Ying
(CollegeofInformationScienceandEngineering,HunanUniversity,Changsha410082,China)
[AbstractlIntheconstructionmachinerystrongnoiseenvironment,therearelotsofnoisesource,speechofteniscoveredbythe
machine’snoise,callsoftencannotSUCCESSandwastebandwidth.Tosolvethisproblem,anewVoiceActivityDetection(VAD)algorithm
basedonHiddenMarkovModeI(HMM)andSupportVectorMachine(SVM)(HMM/SVM—VAD)isproposed.ThisalgorithminputstheMel
FrequencyCepstrumCoefficient(MFCC)intotheHMM,andgetstheN—bestRecognitionresultsbyusingViterbialgorithm,andtransforms
theN—bestrecognitionresultstoSVM featurevector.ItusestheSVM togettheclassificationresults.Experimentalresultsshow that
HMM /SVM—VAD isbetterthanthetraditionalstatisticalalgorithm andwaveletSVM algorithm.Inthecaseofmachineworknoise,new
methodimprovesbytheaverageof9% thanthestaticstatisticalalgorithms,improves11% thanthewaveletSVM algorithm,inthecaseof
cabnoise,thenewmethodimprovessmall,butithasfastergrowth,andimprovesby9% thanthetraditionalstatisticalalgorithm.
[KeywordslMelFrequencyCepstrumCoefficient(MFCC);HiddenMarkovModel(HMM);SupportVectorM
文档评论(0)