1) mel-scale features
mel标度频谱法
1.
This paper presents our work on endpoint detection based on mel-scale features and phoneme segmentation.
实验表明mel标度频谱法比传统的以信号的短时能量 ,过零率等简单特征作为判决特征参数的语音端点检测方法更适合语音的分割。
2) Mel frequency cepstral coefficient (MFCC)
Mel频标倒谱参数
3) Mel Frequency Cepstrum Coefficient (MFCC)
Mel频标倒谱系数(MFCC)
4) Mel-frequency cesptral coefficients
Mel频率倒谱
1.
The improved method based on fuzzy entropy,which analyzed and distilled the weight of speech duration,average magnitudes,pitch frequency,formants and Mel-frequency cesptral coefficients.
分析了发音持续时间、平均振幅、基音频率,第一共振峰和Mel频率倒谱参数,并基于模糊熵理论提取了各参数的权重。
5) MEL cepstrum transformation
Mel倒谱方法
1.
The algorithm deleted semblable frames of speech signals which got after LPCC algorithm and MEL cepstrum transformation.
该方法舍弃LPCC方法,Mel倒谱方法后所得到的语音信号中类似的帧,从而有效的解决了语音的特征冗余。
6) MFCC
Mel频率倒谱系数
1.
In this paper,we first propose an improved Mel-frequency cepstrum coefficients(PL-MFCC) which acquires by substituting logarithm by a new combined function fPL(x) to amend the noisy sensitivity of the logarithm.
通过研究在低能量段用幂函数代替自然对数函数对Mel滤波器组的输出进行处理,从而得到一种改进Mel频率倒谱系数(PL-MFCC)。
2.
In order to make identification from the speech signal,based on analysis of the conventional identical algorithm,it proposes an advanced method,which uses Mel Frequency Ceptral Coefficients(MFCC) as feature parameters.
为实现由语音信号进行说话人身份的辨识,研究了以往的实现说话人辨认的系统,提出一种改进的算法,采用能够反映人对语音感知特性的Mel频率倒谱系数(MFCC)作为特征参数,即基于概率神经网络(PNN)的识别方法。
3.
The MFCC feature of speech is extracted to recognize vowel(a,i,u)through SVM classifier.
以Mel频率倒谱系数(MFCC)作为语音特征,通过SVM分类器进行元音a,i,u的识别,根据其对应量化后的语音能量,映射到嘴形序列,进行中值滤波和排除"奇异点"。
补充资料：频谱估计法
分子式：
CAS号：
性质：在辨识技术中经常需要计算相关函数和谱密度。如果按照它们的定义，就需要在无限长的时间区间内进行统计计算，这当然是不现实的，在实际计算中只能涉及有限的数据。用有限长度的数据来估计谱密度的方法就称为频谱估计法。
CAS号：
性质：在辨识技术中经常需要计算相关函数和谱密度。如果按照它们的定义，就需要在无限长的时间区间内进行统计计算，这当然是不现实的，在实际计算中只能涉及有限的数据。用有限长度的数据来估计谱密度的方法就称为频谱估计法。
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