文献类型：期刊文章

作　　者：吕兰兰

LV Lan-lan （Department of Software Engineering, College of Electronic and Information Engineering, Hunan University of Science and En- gineering, Yongzhou 425100, China）

机构地区：湖南科技学院电子与信息工程学院软件工程系,湖南永州425100

出　　处：《电脑知识与技术》

基　　金：永州市科技计划指导性项目（2011）流行歌曲歌词实时智能提取技术研究.

年　　份：2016

卷　　号：0

期　　号：11

起止页码：170-171

语　　种：中文

收录情况：普通刊

摘　　要：针对直接采用MFCC作为歌曲中歌声识别的特征参数存在数据量大、且所包含的歌手歌唱特征较少的问题,提出一种基于MFCC特征聚类变换的歌曲中歌声的识别方法。通过对MFCC特征进行GMM聚类变换,以各个高斯分布的均值作为SVM分类器的特征参数,利用GMM数据描述能力强的特点,突出歌手的歌唱特征,降低特征参数的数据量。实验结果表明,该方法在歌曲中歌声识别上的平均识别率较标准GMM方法略有提高,且数据处理量减少了65.8%。

关 键 词：歌曲中歌声的识别  MFCC 特征聚类变换  高斯混合模型

分 类 号：TP391[计算机类]