1) Mel-Frequency Cepstral Coefficients(MFCC)
Mel频率倒谱参数
2) Mel frequency cepstral coefficient (MFCC)
Mel频标倒谱参数
3) 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"。
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-frequency cepstral coefficients
Mel倒谱参数
1.
This article improves the algorithm of Mel-frequency cepstral coefficients in speaker recognition technology based on frequency character of speech signal.
基于语音信号的频谱特性,本文对说话人识别技术中Mel倒谱参数做了改进,并通过Microsoft Visual C++6。
2.
An audio retrieval theory using Mel-frequency cepstral coefficients (MFCC) and the Earth Mover s Distance (EMD) is presented.
介绍了一种基于Mel倒谱参数和EarthMover'sDistance(EMD)度量的音频检索方法,它利用了人耳的感知特性,并结合特征分布之间的距离度量EMD,获得了良好的性能,具有广阔的发展前景。
6) Filter-Normalized Mel Frequency Cepstrum Coefficient
滤波规整的Mel频率倒谱参数
1.
In this paper the characteristics of the reverberant speech are discussed and a new robust feature -Filter-Normalized Mel Frequency Cepstrum Coefficient (FNMFCC) is proposed.
通过讨论室内混响声场中语音的特点,提出用鲁棒性特征参数——滤波规整的Mel频率倒谱参数(FNMFCC),即MFCC参数在对数功率谱域进行低通滤波,倒谱域进行均值减,并用标准差加权进行非线性规整,采用这3种措施来消除混响引起的语音参数的变化,识别方法用矢量量化法,用4组无混响数码语音进行训练,对特定人无混响和4种混响声场中共150组数码音的平均识别率达到98。
补充资料：参数谱估计量
参数谱估计量
spectral estimator, parametric
参数谱估计量[印ectrai es七n.tor，稗r~tric;eneKTpa-肠n朋0”eHKan叩aMeTP“，ecKa，」 一个平稳随机过程(statfonary stochastic Process)的谱密度〔spectml density)f(劝对应于f(只)的某一确定参数模型(即在此假设下，函数f(劝属于一由有限个参数描述的谱密度的特定族)时的估计量.在求参数谱估计量时，观测数据仅用来计算模型的未知参数.于是估计谱密度的问题就化为估计这些参数的统计问题.实际中应用最广的参数谱估计量是最大嫡谱估计量(一一entropys详ctral estimator)，它相应于假定函数【f(劝〕一’是一固定阶数的三角多项式的平方.应用问题中常见的更一般的参数谱估计类是混合自回归滑动平均过程(献ed autoregressivemo-访ng一average Process)模型，即假定f(劝是两个固定阶数的三角多项式的平方之商(见【1]一【3」).
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