基于模糊神经网络的播音信号识别技术研究

发布时间：2020-12-14 04:45

　　播音信号识别对于提高播音质量具有十分重要的意义,当前播音信号识别方法存在误识率高,播音信号识别效率低等不足,为了获得更优的播音信号识别结果,设计基于模糊神经网络的播音信号识别技术。首先分析当前播音信号识别技术的研究进展,指出各种播音信号识别技术存在的不足;然后采用空间变换和奇异值分解算法提取播音信号识别特征,并采用模糊神经网络建立播音信号识别分类器;最后在Matlab 2017平台上进行播音信号识别仿真实验,结果表明,模糊神经网络获得了理想的播音信号识别,播音信号识别正确率要高于当前其他播音信号识别技术,减少了播音信号的误识率,缩短了播音信号识别的时间,提升了播音信号识别速度,具有较高的实际应用价值。 

【文章来源】：现代电子技术. 2020年03期 北大核心

【文章页数】：4 页

【部分图文】：

播音信号的误识率对比

基于模糊神经网络的播音信号识别原理为：首先采用空间变换对原始播音信号进行处理，去除播音信号中的噪声，使播音信号更加平衡，然后通过奇异值分解算法提取播音信号的奇异熵作为识别特征，最后采用模糊神经网络建立播音信号识别分类器，具体如图1所示。2 播音信号识别性能测试

3）模糊神经网络的识别正确率和误识率平均值分别为95.06%和4.94%，播音信号识别结果明显好于BP神经网络和支持向量机，克服了当前播音信号识别技术存在的局限性，降低了误识率，获得了理想的播音信号识别结果。图3 播音信号的误识率对比


本文编号：2915839