论文部分内容阅读
低信噪比环境下的基音频率检测极其重要且富有挑战性，至今未得到很好的解决。基于此，首先构造了基于PEFAC的频域空间检测模型，将基音频率作为特征进行提取，然后提出范数正则化的解相关集成学习神经网络模型（L2-DNNE）对其进行训练，利用负相关学习机制（NCL）和模型复杂度约束项提高集成学习模型的泛化能力，从而获取基音频率的最优值，且在测试精度和时间代价上取得了较好的平衡。将该算法与相关有代表性的算法进行比较。比较结果表明，该算法在不同类型不同程度的噪声环境下，能显著提升检测识别率，尤其在低信噪比下有更显著优