基于隐藏的马尔科夫模型为生物灵感应用程序合成和修改驼背歌曲单元

科学领域:

• 生物声学是一种生物声学.
• 动物沟通动物沟通
• 信号处理 信号处理

背景情况:

• 驼背的歌曲单元是复杂的频率调制的发音.
• 目前的合成方法在灵活性和相似性方面扎.
• 精确的合成对于生物灵感应用,如水下通信至关重要.

研究的目的:

• 为驼鱼的歌曲单元开发一种先进的合成方法.
• 为了提高合成鱼发声的灵活性和相似性.
• 为了提高生物灵感应用程序的性能,利用鱼歌曲合成.

主要方法:

• 使用提取的基本频率轮和线谱对进行小样本训练.
• 隐藏的马尔科夫模型 (HMM) 用于参数训练和概率密度函数估计.
• 动态特征约束和变化模式分解,以消除动的频率轮.
• 状态持续时间和基本频率修改,以提高合成灵活性.
• 线性预测编码-pitch vocoder用于时间域波形生成.

主要成果:

• 与传统方法相比,提出的方法实现了更高的灵活性和相似性.
• 通过解决高频动,可以产生更光滑的基本频率曲线.
• 合成系统在生物灵感应用中表现出更好的性能.
• 统计参数分析和t分布式随机邻居嵌入验证了结果.

结论:

• 这种新的小样本训练方法显著改善了驼背的歌曲单元合成.
• 这种进步为水下通信和播放实验提供了增强的能力.
• 开发的系统为生物灵感研究提供了一个更现实的,更灵活的工具.