2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩65頁未讀, 繼續(xù)免費閱讀

下載本文檔

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),請進行舉報或認領(lǐng)

文檔簡介

1、基于生物特征的身份識別技術(shù)是當前國際上的重點研究內(nèi)容,自動說話人識別通過語音識別說話人的身份,由于其信息來源獲取的簡單性,其在系統(tǒng)安全認證、司法鑒定、金融服務(wù)以及電子偵聽等領(lǐng)域有著廣泛的應(yīng)用價值。說話人識別包括說話人辨認和說話人確認2個方面,本文專注于在干凈語音、閉集、與文本無關(guān)條件下,對普通話的注冊用戶做說話人辨認研究。 整個說話人辨認系統(tǒng)主要由特征提取、模型生成和判據(jù)生成3種功能模塊組成,目前,研究者們公認的最具代表性的說話

2、人辨認系統(tǒng)為:采用美爾倒譜系數(shù)(MFCC)作為特征矢量;采用高斯混合模型(GMM)為注冊者參數(shù)模型;采用貝葉斯判據(jù)為判據(jù)生成方式。研究的重點是對說話人辨認中最常用的注冊者參數(shù)模型GMM的改進。 本文的主要研究內(nèi)容如下:一、提出了一種GMM的改進模型:時間-空間分布模型(TSDM)。相對于只包含特征矢量空間分布信息的GMM模型,TSDM能在空間分布信息的基礎(chǔ)上引入一定程度特征矢量間在時間上的統(tǒng)計聯(lián)系,將時間信息和空間信息融合到一起

3、,從而提高了說話人辨認系統(tǒng)的識別率。同時,仿效GMM的判據(jù)生成過程,提出了一套TSDM相應(yīng)的判據(jù)生成方法。 二、提出了一種“改進的分維GMM”(MIDGMM)訓(xùn)練的方法。通過去相關(guān)和根據(jù)離散直方圖中峰的個數(shù)決定“分維GMM”訓(xùn)練時混合分量的個數(shù),該方法能在大幅提高訓(xùn)練速度和緩解“維數(shù)災(zāi)難”的基礎(chǔ)上相對于傳統(tǒng)GMM保持甚至提高識別性能。 三、為了“改進的分維GMM”算法中去相關(guān)的需要,提出了一種基于Schmidit正交化的

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)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論