您的位置: 专家智库 > >

龚英姬

作品数:10 被引量:55H指数:2
供职机构:河池学院物理与机电工程学院更多>>
发文基金:广西壮族自治区自然科学基金广东省自然科学基金更多>>
相关领域:电子电信自动化与计算机技术文化科学医药卫生更多>>

文献类型

  • 6篇期刊文章
  • 1篇学位论文

领域

  • 5篇电子电信
  • 1篇医药卫生
  • 1篇文化科学

主题

  • 2篇倒谱
  • 2篇倒谱系数
  • 2篇信号
  • 2篇信号处理
  • 2篇神经网
  • 2篇神经网络
  • 2篇特征提取
  • 2篇谱系数
  • 2篇希尔伯特黄变...
  • 2篇MEL频率倒...
  • 2篇标准差
  • 2篇F
  • 1篇学法
  • 1篇音频
  • 1篇引导教学
  • 1篇引导教学法
  • 1篇语音
  • 1篇预处理
  • 1篇时频
  • 1篇时频分析

机构

  • 4篇广西师范大学
  • 3篇河池学院
  • 1篇华南理工大学
  • 1篇西澳大学

作者

  • 7篇龚英姬
  • 3篇胡维平
  • 1篇杜明辉
  • 1篇莫家玲
  • 1篇赵方伟
  • 1篇任志勇

传媒

  • 2篇河池学院学报
  • 1篇电子与信息学...
  • 1篇电声技术
  • 1篇计算机工程与...
  • 1篇广西物理

年份

  • 1篇2014
  • 1篇2009
  • 1篇2008
  • 4篇2007
10 条 记 录,以下是 1-7
排序方式:
基于HHT变换的病态嗓音特征提取及识别研究被引量:8
2007年
主要介绍基于HHT变换提取的瞬时能量(A)和瞬时频率(f)的标准差参数作为病态嗓音特征参数的有效性,详细描述了A-f新特征参数的提取过程,并利用DHMM模型对A-f标准差新特征参数,与语音识别中常用的MFCC系数进行识别。识别结果表明,由HHT变换提取的A-f标准差参数更适合于描述病态嗓音,更能有效区分病态嗓音和正常嗓音。
龚英姬胡维平
关键词:希尔伯特黄变换MEL频率倒谱系数
基于HHT变换和神经网络的病态嗓音识别
2007年
采用一种全新的高精度时频分析方法:Hilbert-Huang变换,分别对正常嗓音和病态嗓音信号进行时频分析。实验结果表明,当嗓音发生病变时,其Hilbert谱和边际谱将有明显改变。在此结果的指导下,本文提出一种适合识别病态嗓音的特征参数:EMD-MFCC参数,并使用径向基神经网络对正常嗓音和病态嗓音信号进行识别。实验结果初步表明:由HHT方法和神经网络结合可以有效区分出病态嗓音。
龚英姬胡维平
关键词:时频分析RBF神经网络
基于HHT变换的病态嗓音特征提取及识别研究
病态嗓音识别对在医学上实现无痛嗓音检查、无损伤化技术有着十分重要的意义。病态嗓音识别率的提高取决于有效的特征提取和合理的识别方法。鉴于传统的语音声学参数主要基于语音的短时平稳性,采用加窗傅立叶变换求取,本文尝试采用希尔伯...
龚英姬
关键词:希尔伯特黄变换MEL频率倒谱系数
文献传递
引导教学法在《信号与系统》教学中的应用被引量:2
2009年
针对电子信息工程专业学生在学习信号处理课程时存在的困惑,谈教师在教学中应如何引导学生把已学的高等数学运算与思想,解决一些实际的信号处理问题,从而使学生更好地学习信号处理相关的重点内容和方法,重视数学表达在信号处理中的实际物理意义。
龚英姬
关键词:高等数学信号处理
基于FIR滤波器的基音提取预处理
2008年
基音周期是语音信号的重要参数,在语音分析、语音合成和语音识别中,估计基音周期都是一个重要任务。基于MATLAB设计的FIR滤波器,可以随时对比设计要求和滤波器特性调整参数,直观简便,极大的减轻了工作量,使滤波器设计最优化,在语音信号基音提取预处理方面具有精度高、稳定性好、灵活性强等优点,滤波效果较好。把其应用于基音提取预处理将为基音提取后继工作打下良好基础。
龚英姬任志勇
关键词:语音基音频率MATLABFIR滤波器
经验模态分解中多种边界处理方法的比较研究被引量:42
2007年
经验模态分解(EMD)的一个关键问题是处理边界效应。尽管目前除了Huang申请了NASA专利的边界处理方法,仍没有一个最终的解决方案,但工程上已经提出了多种处理方法。本文实现了工程上常用的5种EMD边界处理方法:线性外延,多项式拟合,镜像法,径向基(RBF)神经网络预测和AR预测方法,设计了一套消除了EMD处理中信号的相互作用及模式混淆影响的测试方法,并利用准周期信号和随机信号对它们的边界效应处理结果进行了定量测试。结果表明镜像法是目前相对最优的EMD边界处理方法。
胡维平莫家玲龚英姬赵方伟杜明辉
关键词:信号处理经验模态分解
基于神经网络的病态嗓音复杂度识别
2014年
基于嗓音发声系统的复杂性和病态嗓音高频端噪声特性明显,对正常、病态嗓音信号进行小波分解、重构,然后求重构的各频段信号的Lempel-Zvi复杂度,利用神经网络识别对各频段信号的Lempel-Zvi复杂度进行识别。实验结果表明:在高频段,病态嗓音复杂度识别率为84%,相对高于其他较低频段。通过模式识别的方法揭示了嗓音发声系统的病变时的噪声特性和复杂性。
龚英姬
关键词:小波分析神经网络
共1页<1>
聚类工具0