特征域方法

摘自：嚴勤 呂勇著《語音信號處理與識別》

• 特征域方法可分為魯棒特征提取 和 特征補償兩個子類。

• 魯棒特征提取：致力于尋找更加穩健的聲學特征，這些特征受語音變異性的影響較小，因此測試集和訓練集的聲學特征可以保持較高的相似性。

  • 倒譜均值正規化（Cepstral Mean Normalization，CMN）

  • 相對譜（RASTA）

• 特征補償（基于模型的）

  • 雙通道分段線性環境補償（Stereo-based Piecewise Linear Compensation for Environments，SPLICE）

  • 矢量泰勒級數（Vetor Taylor Series，VTS）

特征選擇

摘自：趙力著《語音信號處理》第3版

特征參量評估方法

摘自：趙力著《語音信號處理》第3版

總結

以上是生活随笔為你收集整理的音频特征域方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。