版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、作為語音識別的一種,說話人識別技術(shù)因為其獨有的優(yōu)勢在生物特征認(rèn)證領(lǐng)域一直備受矚目,并得到了廣泛的應(yīng)用。說話人的語音特征提取是說話人識別的關(guān)鍵,目前識別系統(tǒng)中最為常用的MFCC特征參數(shù),在無噪聲環(huán)境下,雖然有很好的識別效果,但是仍然存在著兩大問題:
?。?)需要提取以及傳輸?shù)膮?shù)量較大;
(2)在有噪環(huán)境下識別效果不佳。為“較少的特征參數(shù)量不能與較高的識別率共存”的難題找到解決方案,是本文的主要目標(biāo)。
本文利用
2、新興的壓縮感知技術(shù),改進傳統(tǒng)MFCC參數(shù)的提取過程,從而提出了一種新的說話人識別參數(shù)—CS-MFCC參數(shù),使得提取以及傳輸?shù)膮?shù)量降低到傳統(tǒng)MFCC參數(shù)的1 n(n為觀測矩陣的壓縮比)。在此基礎(chǔ)上,本文還完成了以下工作:
(1)提出了基于行階梯矩陣的新參數(shù),并證明當(dāng)行階梯矩陣的壓縮比為4時系統(tǒng)的識別效果最好。在無噪聲環(huán)境下,新參數(shù)的Fish比遠遠高于MFCC參數(shù),系統(tǒng)識別率顯著提高,同時基于行階梯矩陣的新參數(shù)對于脈沖噪聲和高斯
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于壓縮感知的魯棒性說話人識別.pdf
- 基于稀疏表示的魯棒性說話人識別技術(shù)研究.pdf
- 基于IP網(wǎng)絡(luò)的魯棒性說話人識別技術(shù)研究.pdf
- 說話人識別魯棒性研究.pdf
- 說話人識別魯棒性增強研究.pdf
- 基于壓縮感知的說話人識別技術(shù)的研究.pdf
- 基于稀疏編碼的魯棒說話人識別.pdf
- 噪聲環(huán)境中說話人識別魯棒性研究.pdf
- 基于改進特征參數(shù)的說話人識別魯棒性研究.pdf
- 基于含噪短語音的魯棒說話人識別研究.pdf
- 說話人識別系統(tǒng)的魯棒性研究與實現(xiàn).pdf
- 基于稀疏編碼的魯棒說話人識別方法研究.pdf
- 說話人辨認(rèn)中的特征變換和魯棒性技術(shù)研究.pdf
- 說話人識別及其在噪聲環(huán)境下的魯棒性研究.pdf
- 基于缺失特征的文本無關(guān)說話人識別魯棒性研究.pdf
- 基于壓縮感知和混沌的圖像魯棒性加密研究.pdf
- 變音環(huán)境下魯棒性說話人辨認(rèn)關(guān)鍵技術(shù)研究.pdf
- 基于拓展和聚類的情感魯棒說話人識別研究.pdf
- 基于混沌和壓縮感知的魯棒性數(shù)字水印研究.pdf
- 說話人辨認(rèn)中的特征參數(shù)提取和魯棒性技術(shù)研究.pdf
評論
0/150
提交評論