Vaš brskalnik ne omogoča JavaScript!
JavaScript je nujen za pravilno delovanje teh spletnih strani. Omogočite JavaScript ali uporabite sodobnejši brskalnik.
|
|
SLO
|
ENG
|
Piškotki in zasebnost
DKUM
EPF - Ekonomsko-poslovna fakulteta
FE - Fakulteta za energetiko
FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
FF - Filozofska fakulteta
FGPA - Fakulteta za gradbeništvo, prometno inženirstvo in arhitekturo
FKBV - Fakulteta za kmetijstvo in biosistemske vede
FKKT - Fakulteta za kemijo in kemijsko tehnologijo
FL - Fakulteta za logistiko
FNM - Fakulteta za naravoslovje in matematiko
FOV - Fakulteta za organizacijske vede
FS - Fakulteta za strojništvo
FT - Fakulteta za turizem
FVV - Fakulteta za varnostne vede
FZV - Fakulteta za zdravstvene vede
MF - Medicinska fakulteta
PEF - Pedagoška fakulteta
PF - Pravna fakulteta
UKM - Univerzitetna knjižnica Maribor
UM - Univerza v Mariboru
UZUM - Univerzitetna založba Univerze v Mariboru
COBISS
Ekonomsko poslovna fakulteta
Fakulteta za kmetijstvo in biosistemske vede
Fakulteta za logistiko
Fakulteta za organizacijske vede
Fakulteta za varnostne vede
Fakulteta za zdravstvene vede
Knjižnica tehniških fakultet
Medicinska fakulteta
Miklošičeva knjižnica - FPNM
Pravna fakulteta
Univerzitetna knjižnica Maribor
Večja pisava
|
Manjša pisava
Uvodnik
Iskanje
Brskanje
Oddaja dela
Statistika
Prijava
Prva stran
>
Izpis gradiva
Izpis gradiva
Naslov:
A noise robust feature extraction algorithm using joint wavelet packet subband decomposition and AR modeling of speech signals
Avtorji:
ID
Kotnik, Bojan
(
Avtor
)
ID
Kačič, Zdravko
(
Avtor
)
Datoteke:
http://dx.doi.org/10.1016/j.sigpro.2006.10.009
Jezik:
Angleški jezik
Vrsta gradiva:
Neznano
Tipologija:
1.01 - Izvirni znanstveni članek
Organizacija:
FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:
This paper presents a noise robust feature extraction algorithm NRFE using joint wavelet packet decomposition (WPD) and autoregressive (AR) modeling of a speech signal. In opposition to the short time Fourier transform (STFT)-based time-frequency signal representation, wavelet packet decomposition can lead to better representation of non-stationary parts of the speech signal (e.g. consonants). The vowels are well described with an AR model as in LPC analysis. The proposed Root-Log compression scheme is used to perform the computation of the wavelet packet parameters. The separately extracted WPD and AR-based parameters are combined together and then transformed with the usage of linear discriminant analysis (LDA) to finally produce a lower dimensional output feature vector. The noise robustness is improved with the application of proposed wavelet-based denoising algorithm with a modified soft thresholding procedure and time-frequency adaptive threshold. The proposed voice activity detector based on a skewness-to-kurtosis ratio of the LPC residual signal is used to effectively perform a frame-dropping principle. The speech recognition results achieved on Aurora 2 and Aurora 3 databases show overall performance improvement of 44.7% and 48.2% relative to the baseline MFCC front-end, respectively.
Ključne besede:
automatic speech recognition
,
autoregressive modeling
,
modified soft thresholding
,
noise robust speech parameterization
,
wavelet packet decomposition
Leto izida:
2007
PID:
20.500.12556/DKUM-25903
UDK:
621.39
COBISS.SI-ID:
11170838
ISSN pri članku:
0165-1684
NUK URN:
URN:SI:UM:DK:V5ZMGXBK
Datum objave v DKUM:
31.05.2012
Število ogledov:
2613
Število prenosov:
128
Metapodatki:
Področja:
Ostalo
Citiraj gradivo
Navadno besedilo
BibTeX
EndNote XML
EndNote/Refer
RIS
ABNT
ACM Ref
AMA
APA
Chicago 17th Author-Date
Harvard
IEEE
ISO 690
MLA
Vancouver
:
Kopiraj citat
Skupna ocena:
(0 glasov)
Vaša ocena:
Ocenjevanje je dovoljeno samo
prijavljenim
uporabnikom.
Objavi na:
Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.
Gradivo je del revije
Naslov:
Signal processing
Skrajšan naslov:
Signal process.
Založnik:
North-Holland
ISSN:
0165-1684
COBISS.SI-ID:
26394368
Komentarji
Dodaj komentar
Za komentiranje se morate
prijaviti
.
Komentarji (0)
0 - 0 / 0
Ni komentarjev!
Nazaj