您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201504-123
论文题目 深度自动编码器在耳语音说话人特征提取中的应用
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

深度自动编码器在耳语音说话人特征提取中的应用

首发时间:2015-04-07

蔡旻杰 1   

蔡旻杰(1990-),男,硕士研究生,主要研究方向:语音信号处理、模式识别

顾明亮 2   

顾明亮(1963-),男, 教授,主要研究方向:语音信号处理、模式识别

  • 1、江苏师范大学语言科学学院
  • 2、江苏师范大学物理与电子工程学院

摘要:针对耳语音没有基频且能量低、易受噪声,导致特征提取困难的问题,提出一种基于深度自动编码器(Deep Autoencoder,DAE)的耳语音特征提取方法。DAE是一种无监督的生成模型,通过多层抽象可以直接从数据中学习到特征。学习到的特征由于经过多层抽象,是一种高层的特征,相比低层特征更稳定且具有融簇性;并且DAE具有很好的噪声鲁棒性,可以减少噪声的影响。实验表明:在传统的MFCC-GMM识别方法下,耳语音说话人的识别效果稍差,并且在发音方式不匹配的测试中,识别率大幅下滑;而采用深度自动编码器作为特征提取器可以得到更好的识别效果。

关键词: 语音处理 耳语音 深度学习 特征提取

For information in English, please click here

An Application of Deep Autoencoder in Feature Extraction of Speaker Recogniton with Whispered Speech

Cai Minjie 1   

蔡旻杰(1990-),男,硕士研究生,主要研究方向:语音信号处理、模式识别

Gu Mingliang 2   

顾明亮(1963-),男, 教授,主要研究方向:语音信号处理、模式识别

  • 1、School of Linguistic Sciences, Jiangsu Normal University, Xuzhou,Jiangsu,221116
  • 2、School of Physics and Electronic Engineering, Jiangsu Normal University, Xuzhou,Jiangsu,221116

Abstract:Due to the profound differences between whisper and neutral speech,the performance of speaker identification systems of MFCC-GMM method trained with neutral speech degrades significantly.The solution of extracting a better feature is Deep Autoencoder,a generative model with multi-layers. The results show that the performance of the seamless neutral/whisper mismatched speaker recognition system based on MFCC-GMM is far behind expectation while the recognition rate rises with DAE method.

Keywords: deep learning whispered speech MFCC feature extraction

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
蔡旻杰,顾明亮. 深度自动编码器在耳语音说话人特征提取中的应用[EB/OL]. 北京:中国科技论文在线 [2015-04-07]. https://www.paper.edu.cn/releasepaper/content/201504-123.

No.4636705101310314****

同行评议

共计0人参与

评论

全部评论

0/1000

勘误表

深度自动编码器在耳语音说话人特征提取中的应用