期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于时频融合的生物哈希密文音频认证
1
作者 张帅 张园 +1 位作者 刘月 王金龙 《中国电子科学研究院学报》 2025年第3期304-313,共10页
现有的音频哈希认证在哈希构造的过程中容易造成音频数据和音频特征的泄露,且单一音频特征容易造成区分性和鲁棒性较差进而导致认证性能低下。为了解决上述问题,文中提出了一种基于时频特征融合的生物哈希密文音频认证。在注册阶段中,首... 现有的音频哈希认证在哈希构造的过程中容易造成音频数据和音频特征的泄露,且单一音频特征容易造成区分性和鲁棒性较差进而导致认证性能低下。为了解决上述问题,文中提出了一种基于时频特征融合的生物哈希密文音频认证。在注册阶段中,首先,对原始音频采用混沌置乱-移位加密构建密文音频库;然后,密文音频分别提取频域和时域的余弦MFCC特征和TEOCC特征并进行融合处理;最后,将融合特征与密钥控制正交矩阵内积构造特征安全模板,并量化处理构造生物哈希。在认证阶段,将认证用户密文音频的生物哈希与注册阶段生物哈希计算汉明距离进行认证并将认证结果返回给认证用户。实验结果表明:文中提出的时频融合特征方法提高了认证系统的区分性和鲁棒性,并且认证系统在不同的噪声环境下具有较好的认证通过率。采用的混沌置乱-移位加密算法对密钥较敏感并能有效抵抗统计攻击。同时,本文的安全模板具有较好的可撤销性。 展开更多
关键词 MFCC teocc 混沌置乱-移位加密 生物哈希 安全模板
在线阅读 下载PDF
融合CFCC和Teager能量算子倒谱参数的语音识别 被引量:9
2
作者 史燕燕 白静 《计算机科学》 CSCD 北大核心 2019年第5期286-289,共4页
针对现有表征语音特性的特征提取不完善的问题,提出了一种耳蜗滤波倒谱系数(Cochlear Filter Cepstral Coefficients,CFCC)和Teager能量算子倒谱参数(Teager Energy Operators Cepstral Coefficients,TEOCC)相互融合的方法。该方法将表... 针对现有表征语音特性的特征提取不完善的问题,提出了一种耳蜗滤波倒谱系数(Cochlear Filter Cepstral Coefficients,CFCC)和Teager能量算子倒谱参数(Teager Energy Operators Cepstral Coefficients,TEOCC)相互融合的方法。该方法将表征人耳听觉特性的CFCC和体现非线性能量特性的TEOCC的融合特征应用到语音识别系统中,并联合主成分分析(Principal Components Analysis,PCA)对该融合特征进行特征选择和优化,最后通过支持向量机进行语音识别。实验结果表明:该融合特征与单一特征相比具有更佳的语音识别性能,结合PCA后其语音识别的准确率平均提高了3.7%。 展开更多
关键词 耳蜗滤波倒谱系数 Teager能量算子倒谱参数 主成分分析 语音识别
在线阅读 下载PDF
基于VMD和Teager能量算子倒谱的方言语种识别 被引量:2
3
作者 付英 刘增力 《通信技术》 2022年第4期435-442,共8页
针对汉语方言识别率低和在噪声环境下鲁棒性差问题,将特征提取与语音增强结合,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)的改进梅尔频率倒谱系数(MelFrequency Cepstral Coefficients,MFCC)和Teager能量算子倒谱系... 针对汉语方言识别率低和在噪声环境下鲁棒性差问题,将特征提取与语音增强结合,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)的改进梅尔频率倒谱系数(MelFrequency Cepstral Coefficients,MFCC)和Teager能量算子倒谱系数(Teager Energy Operator Cepstral Coefficient,TEOCC)融合的特征提取算法。该算法先将方言信号经VMD改进算法提取特征后再与TEOCC融合,最后通过高斯混合通用背景模型(Gaussian Mixture Model-Universal Background Model,GMM-UBM)进行方言语种识别。实验结果表明:相对于单一的MFCC特征,所提方法在无噪和有噪环境下识别率均有所提升,验证了改进算法在方言语种识别中的有效性。 展开更多
关键词 方言识别 变分模态分解 Teager能量算子倒谱系数 语音增强
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部