MétaCan
Menu
Retour à la cohorte
Enregistrement W2125199437 · doi:10.1109/mwscas.2007.4488548

A formant frequency estimation algorithm for speech signals with low signal-to-noise ratio

2007· article· en· W2125199437 sur OpenAlexaff
Shaikh Anowarul Fattah, Wei‐Ping Zhu, M. Omair Ahmad

Notice bibliographique

RevueConference proceedings · 2007
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpeech and Audio Processing
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésFormantCepstrumSpeech recognitionComputer scienceAutocorrelationVocal tractImpulse responseAutoregressive modelNoise (video)Speech processingSignal-to-noise ratio (imaging)AlgorithmMathematicsArtificial intelligenceStatisticsTelecommunications

Résumé

récupéré en direct d'OpenAlex

In this paper, a new technique for the estimation of the formant frequency of noise-corrupted speech signals is presented. A ramp-cepstrum model for a one-sided autocorrelation function of the voiced speech is proposed considering the vocal-tract system as an autoregressive model with a periodic impulse-train excitation. A residue-based least- squares optimization algorithm is introduced to estimate the ramp-cepstrum model parameters which are then used to compute the formant frequencies. Synthetic and natural vowels as well as some naturally spoken sentences in noisy environments are tested. The experimental results demonstrate the efficacy of the proposed method at low levels of signal-to- noise ratio (SNR).

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,900
Score d'incertitude au seuil0,906

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,260
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConference proceedingsMême sujetSpeech and Audio ProcessingTravaux en français237 207