PCA GAUSSIAN MIXTURE MODEL FOR TWO-DIMENSIONAL ROOT CEPSTRUM FEATURES OF SPEECH
Publish place: 13th Iranian Conference on Electric Engineering
Publish Year: 1384
نوع سند: مقاله کنفرانسی
زبان: English
View: 1,708
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEE13_196
تاریخ نمایه سازی: 27 آبان 1386
Abstract:
Feature extraction plays a substantial role in automatic speech recognition systems. The Two-dimensional root cepstrum (TDRC) is a special case of feature extraction for speech recognition which has some advantage over the others methods. The exact estimation of the model of
density function of TDRC is an important stage in building a successful speech recognition system. A PCA Gaussian mixture model has been suggested for TDRC features of speech. Experimental results which have been done on TIMIT database show that the proposed model is a proper model for TDRC features.
Keywords:
Authors
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :