基于AANNGMM混合结构的噪声分类方法.PDFVIP

第34 卷 第5期 电 子 器 件 Vol.34摇 No.5 2011年10 月 ChineseJournal of Electron Devices Oct. 2011 A Method of Noise Classification Based on AANN/ GMM* 1,2 * 1 1 1 ZHANG Yan ,CHEN Cunbao ,JIANGZhipeng ,Yaojiandong ( 1.College of Information Technology,Jinling Institute of Technology,Nanjing 211169,China; ) 2.School of Computer Science and Technology,Nanjing University of Science and Technology,Nanjing 210094,China Abstract:Gaussian Mixture model(GMM)as specific method is proposed and is applied to the noise classification.On thisbasis,a modified Gaussian Mixture Model with an embeddedAuto鄄Associate Neural Network(AANN)is proposed.It integratesthe meritsof GMMandAANN.WetrainGMMandAANNasawhole.They aretrainedby meansof Maximum Likelihood(ML).Inthe processof training,the parameters of GMMand AANN are updated alternately.AANN reshapes the distribution of the data and improves the similarity of the feature data in the same type of noise.Experiments show that the GMMwith embeddedAANNimprovesaccuracy rate of noise classification against baseline GMM. Key words:noise;Gaussian Mixed Model(GMM);Auto鄄Associate Neural Network(AANN);embedded EEACC:0240;1295摇 摇 摇 摇 doi:10.3969/j.issn.1005-9490.2011.05.030 基于AANN/ GMM混合结构的噪声分类方法* 1,2 * 1 1 1 张摇 燕 ,陈存宝 ,姜志鹏 ,姚健东 æ1.金陵科技学院信息技术学院,南京211169; ö ç ÷ è2.南京理工大学计算机科学与技术学院,南京210094ø 摘摇 要:提出了高斯混合模型应用于噪声分类的具体方法。 并且在此基础上提出了一种嵌入自联想神经网络的高斯混合模型,它 充分利用了神经网络和高斯混合模型各自的优点,以最大似然概率(ML)为准则,把它们作为一个整体来进行训练。 训练过程中,高 斯混合模型和神经网络的参数交替更新。 由于神经网络起到了“数据整形冶的作用,因而提高了不同噪声源的相同噪声类型的噪声 特征数据的相似性。 实验结果表明,嵌入自联想神经网络的高斯混合模型比高斯混合模型的噪声分类识别率有所提高