您的位置: 专家智库 > >

应冬文

作品数:29 被引量:37H指数:5
供职机构:中国科学院声学研究所更多>>
发文基金:国家自然科学基金中国科学院战略性先导科技专项国家重点基础研究发展计划更多>>
相关领域:电子电信医药卫生理学更多>>

文献类型

  • 17篇专利
  • 9篇期刊文章
  • 3篇会议论文

领域

  • 11篇电子电信
  • 2篇医药卫生
  • 1篇理学

主题

  • 14篇语音
  • 9篇阵列
  • 8篇麦克风
  • 8篇麦克风阵列
  • 7篇信号
  • 7篇声源
  • 6篇语音信号
  • 6篇频点
  • 6篇频谱
  • 5篇心音
  • 5篇声源定位
  • 5篇高斯
  • 4篇心音信号
  • 4篇语音数据
  • 4篇时频
  • 4篇相位
  • 4篇相位差
  • 4篇高斯混合
  • 3篇隐马尔可夫模...
  • 3篇语音增强

机构

  • 29篇中国科学院
  • 7篇江西理工大学
  • 6篇北京中科信利...
  • 4篇北京理工大学
  • 1篇青海民族大学
  • 1篇中国医学科学...
  • 1篇中国科学院新...
  • 1篇中国科学院上...
  • 1篇国家互联网应...
  • 1篇中国科学院大...
  • 1篇上海中科高等...

作者

  • 29篇应冬文
  • 19篇颜永红
  • 10篇潘接林
  • 7篇李军锋
  • 7篇许春冬
  • 4篇付强
  • 2篇国雁萌
  • 2篇冯永强
  • 1篇孙燕
  • 1篇夏日升
  • 1篇王晶
  • 1篇张震

传媒

  • 3篇声学学报
  • 2篇数据采集与处...
  • 1篇应用声学
  • 1篇计算机工程
  • 1篇北京理工大学...
  • 1篇信号处理
  • 1篇中国通信学会...
  • 1篇2010年通...
  • 1篇第十一届和谐...

年份

  • 1篇2021
  • 2篇2020
  • 4篇2019
  • 3篇2018
  • 3篇2017
  • 2篇2016
  • 3篇2015
  • 4篇2014
  • 2篇2013
  • 2篇2012
  • 3篇2010
29 条 记 录,以下是 1-10
排序方式:
一种声源定位方法及装置
本发明涉及一种声源定位方法及装置,该方法包括:将通过麦克风阵列接收的声源信号转化成数字声音信号,所述麦克风阵列中包括多个麦克风;对所述数字声音信号进行频谱提取和白化处理,得到针对每个麦克风的数字声音信号的白化频谱;根据针...
应冬文李军锋冯永强潘接林颜永红
一种用于麦克风阵列的解析式空间解混叠方法
本发明涉及一种用于麦克风阵列的解析式空间解混叠方法,包括:麦克风阵列接收声源信号,所述声源信号转换成数字声音信号;提取所述数字声音信号的频谱,得到麦克风阵列中每个麦克风的数字声音信号的频谱;根据每个麦克风的数字声音信号的...
应冬文战鸽黄兆琼潘接林颜永红
文献传递
基于非监督学习的噪声谱估计与语音活动度检测方法
本发明涉及一种基于非监督学习的噪声功率谱估计与语音活动度检测方法,包括下列步骤:1)对于语音信号在每一个频点上的对数幅度特征,建立一个GMM模型;2)对于一段语音数据,设定M帧缓存,把前M帧输入信号存入缓存中,提取缓存中...
应冬文颜永红付强潘接林
文献传递
基于隐马尔可夫模型的非监督噪声功率谱估计被引量:4
2015年
噪声功率谱估计是语音增强算法的基本组成部分,传统算法大多采用启发式的估计方法,因而不能保证噪声估计值的统计最优。提出了一种基于极大似然的非监督噪声功率谱估计方法,采用隐马尔可夫模型(Hidden Markov model,HMM)在每个子带建立语音和非语音对数功率谱的统计模型,模型包含语音和非语音两个高斯分量,其中非语音高斯分量的均值表示噪声功率谱估计值,根据最大期望(Expectation maximization,EM)算法得到包括噪声均值在内的HMM参数集。针对语音信号可能出现的长时缺失,对HMM引入了一些约束条件,保证了模型的稳定性。实验表明,该方法获得的极大似然噪声估计优于基于启发式的经典方法获得的噪声估计。
许春冬战鸽应冬文李军锋颜永红
关键词:语音增强隐马尔可夫模型
基于DHMM的低心率变异性心音的分割方法被引量:2
2019年
针对现有心音定位分割方法精度有限的难题,提出了一种对心率变异性较低的信号建模分割方法。首先,通过集合经验模态分解(Ensemble empirical mode decomposition,EEMD)使用有效的本征模态函数(Intrinsic mode function,IMF)分量来表征心音信号,提高心音信号的可分析性;然后,通过基础心音与非基础心音间的高斯约束关系建立高斯混合模型(Gaussian mixture model,GMM);接着,优化隐马尔可夫模型(Hidden Markov model,HMM)并建立基于时间相关性的隐马尔可夫模型(Duration-dependent hidden Markov model,DHMM),更简洁地描述分割模型,降低算法复杂度;最后,通过时域特征区分出s1,收缩期,s2和舒张期。将本文算法与经典Hilbert算法和逻辑回归的隐半马尔科夫模型(Logistic regression hidden semi-Markov model,LRHSMM)算法进行了对比,实验结果表明,本文算法的检出正确率和运算耗时等评价指标更优。
许春冬周静应冬文应冬文龙清华
基于约束高斯混合模型的噪声功率谱估计
噪声功率谱估计是消噪算法不可或缺的组成部分。本文提出了一种算法,它基于约束的高斯混合模型在对数谱域追踪噪声功率谱,这一模型分别由语音和非语音两个高斯分量组成,这里的非语音均值即是噪声对数功率谱的无偏估计。本算法的焦点问题...
应冬文颜永红付强国雁萌
关键词:语音信号处理高斯混合模型
基于非监督学习的噪声谱估计与语音活动度检测方法
本发明涉及一种基于非监督学习的噪声功率谱估计与语音活动度检测方法,包括下列步骤:1)对于语音信号在每一个频点上的对数幅度特征,建立一个GMM模型;2)对于一段语音数据,设定M帧缓存,把前M帧输入信号存入缓存中,提取缓存中...
应冬文颜永红付强潘接林
面向心音分割的个性化高斯混合建模方法被引量:7
2019年
准确的心音分割是分析和处理心音信号的基本前提。主流的心音分割算法采用监督式预先训练的方法构建统计模型,它不仅依赖于繁琐的手工标注,还存在模型与被分割数据之间的不匹配问题。提出了一种面向心音分割的个性化高斯混合建模方法,避免了手工标注和预先训练,而且在线训练获得的个性化模型能够高度匹配被分割的心音数据。由于心音信号的周期在一段短时间内很稳定,因此假设在包含若干心动周期的分析窗内,心音信号具有稳定的周期性,通过主成分分析提取本征心动周期信号,通过无监督学习构建个性化的统计模型,根据模型实现窗内每一心动周期的分割。实验表明,算法的平均分割准确率比主流的LRHSMM算法高3%。
侯雷静郭婷婷孙燕齐英杰应冬文唐闽颜永红
关键词:心音信号建模方法高斯混合无监督学习统计模型
基于非平稳系统辨识的心音包络自适应分割
2020年
为实现心音信号的有效分割,提出一种基于非平稳系统辨识的心音信号特征包络自适应分割方法。根据非平稳系统辨识原理,提取心音信号特征包络并对包络作平滑与展宽处理。基于重尺度小波降噪信噪比与特征包络均值参数,创建自适应阈值函数进行心音信号分割,同时利用包络与时域特征剔除因噪音及杂音引起的错误分割点。实验结果表明,该方法能够有效提取基础心音信号特征,分割精度达到89.21%,相比维奥拉积分包络分割法、改进型希尔伯特-黄变换包络双阈值分割法等对比方法分割精度更高、实时性更强。
许春冬周静应冬文应冬文
关键词:心音信号自适应阈值
基于功率谱包络动态分割的鲁棒语音端点检测被引量:1
2015年
在复杂的声学环境中,由于环境噪声的干扰,导致声学特征的稳定性不够理想.为克服此难题,通常对决策结果在时间维度上进行平滑.然而,这些平滑过程本身没有考虑数据在时间维度上的结构特征,属于启发式的方法.该文采用动态分割的方法,将语音的频谱包络在时间维度上分割成具有特征同一性的时间块,以分割块为单位计算能量特征,并进行语音/非语音决策,从而达到提高语音端点检测的稳定性目的.实验表明,提出的方法有效提高了语音端点检测的鲁棒性.
许春冬王晶战鸽应冬文李军锋颜永红
关键词:语音端点检测聚类
共3页<123>
聚类工具0