检索结果-内蒙古大学图书馆

作者：陳宛余中興大學

学位级别：碩士

本篇论文主要探讨337个中文单音国字针对其子音的辨识，利用梅尔频率倒频谱系数求出特徵值，再用K最近邻居法来建构出语音模型进行比对，观察在哪一种音框长度、特徵值维度、音框摆荡值以及子音加长长度下的参数组合之下，辨识率可以有... 详细信息

本篇论文主要探讨337个中文单音国字针对其子音的辨识，利用梅尔频率倒频谱系数求出特徵值，再用K最近邻居法来建构出语音模型进行比对，观察在哪一种音框长度、特徵值维度、音框摆荡值以及子音加长长度下的参数组合之下，辨识率可以有较好的表现。本论文中，使用取样点为128，特徵值维度30，音框摆荡值0，子音加长400之下的辨识率最高可达95.84%

关键词：梅爾頻率倒頻譜係數 K最近鄰居法

来源：评论

学校读者我要写书评

暂无评论

探討梅爾頻率倒頻譜係數之特徵擷取對國語母音之影響

探討梅爾頻率倒頻譜係數之特徵擷取對國語母音之影響

引用

作者：陳佳妤中興大學

学位级别：碩士

本论文主是要探讨以一声为主的337个国字单音之辨识，利用梅尔频率倒频谱系数求取语音之特徵参数，在求特徵参数的同时，考虑不同的参数组合，再利用K-最近邻居法进行辨识比对，本实验中，我们考虑的实验因子有「音框取样点数」、「子... 详细信息

本论文主是要探讨以一声为主的337个国字单音之辨识，利用梅尔频率倒频谱系数求取语音之特徵参数，在求特徵参数的同时，考虑不同的参数组合，再利用K-最近邻居法进行辨识比对，本实验中，我们考虑的实验因子有「音框取样点数」、「子音终点加长」、「特徵值维度」等三种，在求取特徵参数时，讨论何种组合参数选择，可以达到最佳的辨识率。本实验利用七位特定语者以及本人录制的337个国字进行母音的辨识，七位特定语者的母音辨识率平均可高达98.50％。本人的母音辨识率最高可达97.60％。

关键词：梅爾頻率倒頻譜係數 K-最近鄰居法

来源：评论

学校读者我要写书评

暂无评论

基於梅爾頻譜質心倒頻譜係數之音樂聲紋辨識研究

引用

资讯科技国际期刊 2008年第2期2卷 18-31页

作者：謝維哲蔡偉和

随着网际网路的快速发展，音乐的传播日益无远弗届。当一首歌曲经过转录、传输以及下载之後，常已与原声CD之讯号差异甚大。如何利用某音乐片段找出资料库中相同出处的音乐文件乃是一项实用但深具挑战的问题。本论文利用统计参数模型化... 详细信息

随着网际网路的快速发展，音乐的传播日益无远弗届。当一首歌曲经过转录、传输以及下载之後，常已与原声CD之讯号差异甚大。如何利用某音乐片段找出资料库中相同出处的音乐文件乃是一项实用但深具挑战的问题。本论文利用统计参数模型化方式来分析比对讯号之异同，并提出一种特徵参数，称为「梅尔频谱质心倒频谱系数」(Mel Spectral Centroid Cepstral Coefficients, MSCCCs)以提升系统强健性。经由各种不同「讯号失真」版之参考样本与测试样本的交互比对实验，我们发现MSCCCs能较传统声学特徵，例如「梅尔频率倒频谱系数」(Mel Frequency Cepstral Coefficients, MFCCs)表现为佳。

关键词：音樂聲紋辨識統計參數模型梅爾頻譜質心倒頻譜係數梅爾頻率倒頻譜係數

来源：评论

学校读者我要写书评

暂无评论

音乐曲风分类：以支持向量机与卷积神经网路分析音频讯号

音乐曲风分类：以支持向量机与卷积神经网路分析音频讯号

引用

作者：陈柏宇淡江大學

学位级别：硕士

当今数位音乐越来越流行，人们每天可以简单地透过电脑或智慧型手机的音乐播放软体等即时性地享受音乐，然而庞大的音乐档案数量却也同时对管理者在整理、归纳档案上产生相当程度的困扰。本篇研究旨在运用当今热门之机器学习与深度学习... 详细信息

当今数位音乐越来越流行，人们每天可以简单地透过电脑或智慧型手机的音乐播放软体等即时性地享受音乐，然而庞大的音乐档案数量却也同时对管理者在整理、归纳档案上产生相当程度的困扰。本篇研究旨在运用当今热门之机器学习与深度学习等资料分析方法协助管理者从大量的音乐资料中快速的有效找出符合特定曲风的音乐。本篇研究以R语言实作分析，从音讯档案读取开始，针对音频讯号以常见之梅尔频率倒频谱系数（MFCC）进行特徵萃取，完成後先运用随机投影法之降维方法对资料进行维度缩减，最後再送入分类器执行建模分析，并同时比较资料降维前後对支持向量机（SVM）与卷积神经网路（CNN）预测成效之影响。本研究显示，SVM在运算时间与分类预测正确率之表现皆优於深度学习CNN模型。另一方面，研究结果亦显示随机投影法在音频资料上的维度缩减有不错的表现。

关键词：梅尔频率倒频谱系数资料降维随机投影法支持向量机卷积神经网路

来源：评论

学校读者我要写书评

暂无评论

利用基頻軌跡及共同向量法於中文母音辨識

利用基頻軌跡及共同向量法於中文母音辨識

引用

作者：李佩錚中興大學

学位级别：碩士

本篇论文主要是利用共同向量法探讨1391个中文单音之母音辨识。共同向量法是一种线性子空间分类器，在每一个中文母音类别里，我们将所有训练音的特徵向量投影到一个唯一且共同的特徵向量上作为这个类别的语音模型，其优点为若以训练音... 详细信息

本篇论文主要是利用共同向量法探讨1391个中文单音之母音辨识。共同向量法是一种线性子空间分类器，在每一个中文母音类别里，我们将所有训练音的特徵向量投影到一个唯一且共同的特徵向量上作为这个类别的语音模型，其优点为若以训练音做测试，可得到100％的辨识率，因此共同向量法为一个简单且容易应用的方法。这篇论文中，我们运用梅尔频率倒频谱系数当作语音的特徵，将中文单音之母音做共同向量法进行辨识，并结合基频轨迹方法，对单音之声调进行辨识，观察在加入基频轨迹判断後，能否提高母音声调之辨识率。此次实验分三个方法，方法一为直接使用共同向量法进行母音的辨识。方法二为不分声调对母音进行共同向量法的比对。方法三除了进行不分声调的母音辨识，再加入基频轨迹方法判断单音声调。本论文由实验室十位不同语者资料库作测试，得到辨识率平均为不分声调母音辨识91.2%，其次为分声调母音辨识86.7％，最後为加入基频轨迹之母音辨识82.8％。虽然基频轨迹的特徵加入无法增加辨识率，本论文也将对此作更进一步的探讨。

关键词：梅爾頻率倒頻譜係數特徵擷取共同向量法基頻軌跡

来源：评论

学校读者我要写书评

暂无评论

基于声纹之未知音乐档案辨识与分群研究

基于声纹之未知音乐档案辨识与分群研究

引用

作者：谢维哲国立台北科技大学

学位级别：硕士

随着网际网路的快速发展，音乐的传播日益无远弗届。当一首歌曲经过了无数次的转录、传输以及下载后，常已与原声CD之讯号差异甚大，档名或许也已经不可考。如何利用某音乐片段本身声纹的特征来找出资料库中相同出处的音乐文件，乃是一... 详细信息

随着网际网路的快速发展，音乐的传播日益无远弗届。当一首歌曲经过了无数次的转录、传输以及下载后，常已与原声CD之讯号差异甚大，档名或许也已经不可考。如何利用某音乐片段本身声纹的特征来找出资料库中相同出处的音乐文件，乃是一项实用但深具挑战的问题。本论文利用统计参数模型化方法高斯混合模型(Gaussian mixture models, GMM)，来分析比对讯号的异同，并探讨几种在音乐声纹辨识方面，常用且有效的声学特征参数，包括梅尔频率倒频谱系数(Mel-frequency cepstral coefficients, MFCC)、频谱质心(Spectral Centroid, SC)和雷尼熵值(Renyi Entropy, RE)。我们成功地将两种各具特色的特征参数：梅尔频率倒频谱系数与频谱质心进行整合，成为一称作“梅尔频谱质心倒频谱系数”(Mel Spectral Centroid Cepstral Coefficients, MSCCC)之新的特征参数。经由各种不同“讯号失真”版之参考样本与测试样本的交互比对实验，证实MSCCC对于处理各种常见的失真强健性更佳。除了辨识音乐片段的来源以外，我们也探讨未知歌曲的自动分群问题，期望在未经整理的资料库中找出属于相同来源的歌曲与不同来源的歌曲，分群加以区隔。我们先利用统计参数模型化方法与声学特征参数撷取进行音乐片段间之相似性量测，目标是希望对于出自同一首歌曲但历经不同失真型态的音乐片段能彼此有较高的相似性，接着利用阶层式分群方法将相似性高的音乐片段合为一群，相似性低的音乐片段分为不同群。实验结果证实本论文所提出之方法的可行性。

关键词：音乐声纹辨识高斯混合模型梅尔频率倒频谱系数频谱质心梅尔频谱质心倒频谱系数阶层式分群方法

来源：评论

学校读者我要写书评

暂无评论

利用共同向量法及狀態法於不特定語者之中文單音辨識

利用共同向量法及狀態法於不特定語者之中文單音辨識

引用

作者：李金則中興大學

学位级别：碩士

本篇论文主要是利用共同向量法探讨1391个中文单音辨识。共同向量法是一种线性子空间分类器，我们将所有训练音的特徵向量投影到一个共同且唯一的特徵向量上作为此类别的语音模型，其优点为拿训练音直接当成测试音进行测试，辨识率可以... 详细信息

本篇论文主要是利用共同向量法探讨1391个中文单音辨识。共同向量法是一种线性子空间分类器，我们将所有训练音的特徵向量投影到一个共同且唯一的特徵向量上作为此类别的语音模型，其优点为拿训练音直接当成测试音进行测试，辨识率可以达到100%，且共同向量法为一个简单又容易应用的方法。本篇论文使用梅尔频率倒频谱系数去做为语音的特徵向量，然後将中文单音之母音与子音进行共同向量法，并且把特徵向量切成数等分，母音部分有25个音框、子音部分则有20个音框，在等维度之下将其合并成数个状态再进行辨识，观察是否提高辨识率。实验显示，子音最佳辨识率之组合为子音状态数为4，平均辨识率为86.1%，母音最佳辨识率之组合为、母音状态数则为4，平均辨识率为84.3%，则权重部分最佳辨识率之组合为子音权重占50%、母音则占50%，平均辨识率为76.2%。

关键词：共同向量法梅爾頻率倒頻譜係數特徵擷取

来源：评论

学校读者我要写书评

暂无评论

利用KNN最近鄰距法辨識中文單音及爆塞音之探討

利用KNN最近鄰距法辨識中文單音及爆塞音之探討

引用

作者：姚信延中興大學

学位级别：碩士

本论文主是要探讨1390国语单字之辨识，本篇论文分成两部分，第一部分为辨识｢ㄅ｣､｢ㄆ｣､｢ㄉ｣､｢ㄍ｣爆塞音之辨识，第二部分利用权重式的KNN做全体之辨识。两部分都是要利用到梅尔倒频谱系数来求取特徵参数，再利用KNN最近邻距法辨识。在... 详细信息

本论文主是要探讨1390国语单字之辨识，本篇论文分成两部分，第一部分为辨识｢ㄅ｣､｢ㄆ｣､｢ㄉ｣､｢ㄍ｣爆塞音之辨识，第二部分利用权重式的KNN做全体之辨识。两部分都是要利用到梅尔倒频谱系数来求取特徵参数，再利用KNN最近邻距法辨识。在第一部分的实验中所讨论的参数有｢音框摆荡｣、｢特徵值维度｣、｢频率撷取起始点｣、｢音框取法｣、｢滤波器取法｣；本人最高辨识率达到94.9%。第二部分实验中所讨论的参数有｢母音取样点｣、｢音框摆荡｣、｢子母音权重｣、｢特徵值维度｣；本人最高之辨识率74.41%。

关键词：梅爾頻率倒頻譜係數 K-最近鄰居法

来源：评论

学校读者我要写书评

暂无评论

利用共同向量法辨識中文母音及硬顎子音

利用共同向量法辨識中文母音及硬顎子音

引用

作者：洪瑞騰中興大學

学位级别：碩士

本篇论文主要是探讨1391个中文单音国字对於其母音和舌面子音之研究。首先主要利用梅尔频率倒频谱系数和转移梅尔频率倒频谱系数求出其特徵值，再利用K最近邻居法和共同向量法去建构其语音模型来进行比对，观察在不同的参数下如特徵值... 详细信息

本篇论文主要是探讨1391个中文单音国字对於其母音和舌面子音之研究。首先主要利用梅尔频率倒频谱系数和转移梅尔频率倒频谱系数求出其特徵值，再利用K最近邻居法和共同向量法去建构其语音模型来进行比对，观察在不同的参数下如特徵值维度、子音音框的个数、音框摆荡值等组合去比较何种组合会有较好的辨识率。此次实验的语音资料库是由七位不同语者和本人所录制的十组语音去做辨识，於第一部分利用K最近邻居法辨识舌面子音下特徵值维度为20、30，音框摆荡值为1，子音音框数为16、18下会有较佳的辨识率；在第二部分利用共同向量法母音取样点为512，特徵值维度为40，音框摆荡值为2的情况下会有较佳的辨识率，其最佳辨识率接近92%。

关键词： k最近鄰居法共同向量法梅爾頻率倒頻譜係數

来源：评论

学校读者我要写书评

暂无评论

利用K最近鄰居法辨識中文單音及舌齒音的探討

利用K最近鄰居法辨識中文單音及舌齒音的探討

引用

作者：黃為成中興大學

学位级别：碩士

本篇论文主要目的是探讨特定语者在1391个所有中文单字中，对於子母音及舌齿音的语音辨识系统，首先所使用的特徵值主要为梅尔频率倒频谱系数以及均分倒频谱系数，再利用K最近邻居法当作辨识方法。实验中影响辨识率的实验因子有「音框... 详细信息

本篇论文主要目的是探讨特定语者在1391个所有中文单字中，对於子母音及舌齿音的语音辨识系统，首先所使用的特徵值主要为梅尔频率倒频谱系数以及均分倒频谱系数，再利用K最近邻居法当作辨识方法。实验中影响辨识率的实验因子有「音框数个数」、「音框取样值」、「特徵值维度」以及「音框摆荡值」等，在这些不同参数中找出最佳组合。本实验利用十一位特定语者以及本人录制的1391个所有中文单字进行辨识，一部分辨识舌齿音在子音音框数为20、特徵值维度为40、子音音框数为20及音框摆荡值为1时，会有最高的平均辨识率97.53%，另一部分辨识1391个所有中文单字在子音音框数为20、特徵值维度为40、子音音框取样值为128、母音音框取样值为512及音框摆荡值为2时，会有最高的平均辨识率84.76%。

关键词：梅爾頻率倒頻譜係數 K最近鄰居法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：