典型文献
基于主成分分析的激光麦克风的语音信号提取
文献摘要：
主成分分析(Principal Component Analysis,PCA)法用于高速视觉的激光麦克风的音频信号重建,可从声场中轻质弹性物体表面的激光散斑动态变化中提取语音信息.将高速散斑视频中的一帧图像视为高维空间中的向量,顺序将视频图像堆栈成数据矩阵,利用PCA做特征提取,语音信息就存在于方差较大的主成分中,通常应用第一主成分就可以重建清晰的语音信号.实验表明,PCA对激光散斑颗粒尺度和灰度分布没有过多限制,即使在采样区域较小、反射物体材质不同的情况下,都可以重建人耳可分辨的语音信号.而且基于PCA的无监督机器学习算法特性,选取视频开始部分的帧图像做训练集,还可以提取含有音频信息的主成分的特征向量,作为后续视频图像向量的投影基,实现语音信号的快速提取.
文献关键词：
激光麦克风;激光散斑;语音提取;主成分分析;机器学习
中图分类号：
作者姓名：
孙学明;张大华;周志全;赵张美;胡荣磊
作者机构：
北京电子科技学院,北京 100070
文献出处：
引用格式：
[1]孙学明;张大华;周志全;赵张美;胡荣磊-.基于主成分分析的激光麦克风的语音信号提取)[J].激光与红外,2022(12):1761-1767
A类：
激光麦克风
B类：
语音信号,信号提取,Principal,Component,Analysis,音频信号,信号重建,声场,轻质,物体表面,激光散斑,一帧,高维空间,视频图像,堆栈,数据矩阵,颗粒尺度,灰度分布,采样区域,反射物,人耳,无监督机器学习,机器学习算法,法特,训练集,音频信息,特征向量,快速提取,语音提取
AB值：
0.334079
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
