基于VMD和Teager能量算子倒谱的方言语种识别
付英 刘增力
昆明理工大学信息工程与自动化学院 昆明理工大学云南省人工智能重点实验室
针对汉语方言识别率低和在噪声环境下鲁棒性差问题，将特征提取与语音增强结合，提出一种基于变分模态分解（Variational Mode Decomposition,VMD）的改进梅尔频率倒谱系数（MelFrequency Cepstral Coefficients,MFCC）和Teager能量算子倒谱系数（Teager Energy Operator Cepstral Coefficient,TEOCC）融合的特征提取算法。该算法先将方言信号经VMD改进算法提取特征后再与TEOCC融合，最后通过高斯混合通用背景模型（Gaussian Mixture Model-Universal Background Model,GMM-UBM）进行方言语种识别。实验结果表明：相对于单一的MFCC特征，所提方法在无噪和有噪环境下识别率均有所提升，验证了改进算法在方言语种识别中的有效性。
全文下载
在线阅读
赣公网安备 36012102000372号
互知学术
全科互知