1) LPC cepstrum
LPC倒谱
1.
Considering the differen t contribution of each component of LPC cepstrum, the weight is added to modify the distortion measurement.
文中分析了长时LPC倒谱特征和音调特征的特性 ;根据LPC倒谱各维分量对说话人识别贡献不同 ,改进了失真测度 ;用矢量量化方法建立每个说话人语音模型 ,构成一种分类准确、存储数据少、响应速度快的不依赖文本的声纹鉴别系统 ;构造一种简化的音调测度 ,将声道和声源特征结合 ,采用序贯判决策略 ,提高了系统的顽健性 。
2) Linear prediction coding cepstrum
LPC倒谱参数
3) LPC Cepstrum(LPCC)
LPC倒谱系数
1.
LPC Mel Cepstrum Coefficient(LPCMCC) which comes from LPC Cepstrum(LPCC) changed nonlinear by Mel scale according to human auditory characteristics,thus closer to human auditory system.
LPC美尔倒频谱系数(LPCMCC)根据人耳听觉特性将LPC倒谱系数(LPCC)用非线性美尔尺度进行变换,从而更接近人耳的听觉系统。
4) LPC spectrum weighting ceptral
LPC谱加权倒谱
5) LPC Mel Cepstrum Coefficient(LPCMCC)
LPC美尔倒谱系数
6) LPC spectrum
LPC谱
1.
Recognition of radiated noises of ships based on LPC spectrum and support vector machines;
基于LPC谱和支持向量机的船舶辐射噪声识别
补充资料：复倒谱
一个函数的傅里叶变换的对数的傅里叶反变换。对褶积信号的线性分离作用，在实际信号处理中很有用处，例如可应用于通信、建筑声学、地震分析、地质勘探和语音处理等领域。尤其在语音处理方面，应用复倒谱算法可制成同态预测声码器系统，用于高度保密的通信。
在离散信号x(n)情况下，用z变换表示复倒谱，可以写作
复倒谱可以利用同态系统中一种特定的特征系统来求得，如图所示。为了区别于用一般方法所求得的频谱(spectrum)，将spectrum这一词前半部(spec)字母顺序颠倒即成cepstrum，根据词形定名为倒谱。又因频谱一般为复数谱，故称为复倒谱。为了说明复倒谱的性质,假设已知两信号x1(n)和x2(n)相褶积而得到的时间函数x(n)，对它们分别求其离散傅里叶变换，写作
X(ω)＝DFT[x(n)] X1(ω)＝DFT[x1(n)]
X2(ω)＝DFT[x2(n)]
按上述定义，可得到如下关系式
＝IDFT｛log[X(ω)]｝
＝IDFT｛log[X1(ω)]｝＋IDFT｛log[X2(ω)]｝
由此可见,通过复倒谱的运算可将x1(n)和x2(n)的褶积关系变换为相加关系，再采用一般线性系统对它们进行滤波处理。
在离散信号x(n)情况下，用z变换表示复倒谱，可以写作
复倒谱可以利用同态系统中一种特定的特征系统来求得，如图所示。为了区别于用一般方法所求得的频谱(spectrum)，将spectrum这一词前半部(spec)字母顺序颠倒即成cepstrum，根据词形定名为倒谱。又因频谱一般为复数谱，故称为复倒谱。为了说明复倒谱的性质,假设已知两信号x1(n)和x2(n)相褶积而得到的时间函数x(n)，对它们分别求其离散傅里叶变换，写作
X(ω)＝DFT[x(n)] X1(ω)＝DFT[x1(n)]
X2(ω)＝DFT[x2(n)]
按上述定义，可得到如下关系式
＝IDFT｛log[X(ω)]｝
＝IDFT｛log[X1(ω)]｝＋IDFT｛log[X2(ω)]｝
由此可见,通过复倒谱的运算可将x1(n)和x2(n)的褶积关系变换为相加关系，再采用一般线性系统对它们进行滤波处理。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条