%0 Journal Article
%T 2D-Haar声学特征超向量快速生成方法
%A 潘丽敏
%A 罗森林
%A 谢尔曼
%J 北京理工大学学报
%D 2016
%R 10.15918/j.tbit1001-0645.2016.03.014
%X 针对大数据量音频的高速处理,提出一种快速的声学特征超向量生成方法,有效提高音频识别系统的识别速度和精度.所提方法首先将多个连续音频帧的常用声学特征构成声学特征图,进而使用低复杂度的运算方法在其中快速提取维数达数十万的Haar-like声学特征;然后使用AdaBoost.MH算法,筛选出具有较高代表性的Haar-like声学特征模式组合,用以构成声学特征超向量;进而提出Random AdaBoost特征筛选方法,进一步提高特征筛选速度.实验结果表明,在音频事件识别、说话人识别、说话人性别识别3种场合下,使用Haar-like声学特征可以使SVM、C5.0、AdaBoost等识别算法获得比MFCC、PLP、LPCC等常用声学特征更高的识别准确率,同时可以获得7~20倍的训练速度提升和5~10倍的识别速度提升
%K 音频处理 音频识别 2D-Haar声学特征超向量 Haar-like声学特征 AdaBoost.MH
%U http://journal.bit.edu.cn/zr/ch/reader/view_abstract.aspx?file_no=20160314&flag=1