版權(quán)說(shuō)明:本文檔由用戶(hù)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、語(yǔ)音信號(hào)是用于個(gè)人身份確認(rèn)的一種有效的生物特征,與文本無(wú)關(guān)的說(shuō)話(huà)人識(shí)別的研究也是語(yǔ)音信號(hào)處理的一個(gè)重要的研究方向,其研究具有重要的理論意義和廣泛的應(yīng)用前景。為了考察最新的相關(guān)研發(fā)進(jìn)展,并提供統(tǒng)一的衡量標(biāo)準(zhǔn),美國(guó)國(guó)家標(biāo)準(zhǔn)技術(shù)研究院(NIST)于1996年起開(kāi)始主持說(shuō)話(huà)人識(shí)別評(píng)測(cè)。NIST說(shuō)話(huà)人評(píng)測(cè)代表了說(shuō)話(huà)人識(shí)別領(lǐng)域的最高水準(zhǔn),NIST設(shè)立了多項(xiàng)評(píng)測(cè)任務(wù),探索和嘗試各種語(yǔ)音條件下的研究方法,并為各個(gè)項(xiàng)目指定統(tǒng)一的電話(huà)和廣播語(yǔ)音(多環(huán)境、多
2、通道、大規(guī)模說(shuō)話(huà)人)、測(cè)試基準(zhǔn)、評(píng)測(cè)規(guī)則和標(biāo)準(zhǔn)。其中一個(gè)任務(wù)是采用長(zhǎng)語(yǔ)音進(jìn)行說(shuō)話(huà)人識(shí)別,是為了探索用于與文本無(wú)關(guān)的說(shuō)話(huà)人識(shí)別的語(yǔ)音信號(hào)高層次信息而設(shè)置的。
除了短時(shí)倒譜參數(shù),語(yǔ)音中的高層次信息也是一種有效的說(shuō)話(huà)人特征參數(shù),但其通常與文本內(nèi)容有關(guān),因此研究從信號(hào)中提取可用于與文本無(wú)關(guān)說(shuō)話(huà)人識(shí)別的語(yǔ)音高層次特征信息就成了目前研究的焦點(diǎn)。本文對(duì)韻律的提取方法及其與區(qū)辨模型結(jié)合運(yùn)用于與文本無(wú)關(guān)的說(shuō)話(huà)人識(shí)別進(jìn)行了探討。
3、 從與文本無(wú)關(guān)的說(shuō)話(huà)人識(shí)別的特點(diǎn)出發(fā),本文先講述概率統(tǒng)計(jì)模型,從文本相關(guān)的語(yǔ)音韻律(語(yǔ)音特征隨時(shí)間變化的軌跡)中提取的特征信息,進(jìn)行數(shù)據(jù)壓縮、聚類(lèi),再利用支持向量機(jī)SVM進(jìn)行區(qū)分。
文章提出了一種基于小波分析從韻律中提取超音段韻律信息的方法,分別從聲道的MFCC軌跡和基頻軌跡,時(shí)域能量軌跡中進(jìn)行超音段韻律特征的提取。由MFCC各維參數(shù)的近似不相關(guān)和聲道緩變的特點(diǎn),MFCC軌跡的韻律特征只以概貌系數(shù)來(lái)刻畫(huà),提取的PMFCC作
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于韻律特征和SVM的說(shuō)話(huà)人識(shí)別.pdf
- 基于SVM的反蓄意模仿說(shuō)話(huà)人識(shí)別研究.pdf
- 基于缺失特征重建的說(shuō)話(huà)人識(shí)別.pdf
- 基于加權(quán)FSVQ和SVM的說(shuō)話(huà)人識(shí)別算法研究.pdf
- 基于SVM的含噪耳語(yǔ)音說(shuō)話(huà)人識(shí)別研究.pdf
- 基于韻律特征的GMM-UBM的說(shuō)話(huà)人確認(rèn)研究.pdf
- 基于GMM和SVM的說(shuō)話(huà)人識(shí)別方法研究.pdf
- 基于特征組合的說(shuō)話(huà)人識(shí)別研究.pdf
- 基于聲門(mén)特征的說(shuō)話(huà)人識(shí)別研究.pdf
- 基于GMM和SVM的說(shuō)話(huà)人識(shí)別系統(tǒng)研究.pdf
- 噪聲環(huán)境下的基于GMM-SVM說(shuō)話(huà)人識(shí)別算法.pdf
- 基于SVM的文本無(wú)關(guān)說(shuō)話(huà)人識(shí)別算法研究.pdf
- 基于SVM的與文本無(wú)關(guān)的說(shuō)話(huà)人識(shí)別算法研究.pdf
- 基于特征模糊度分析的說(shuō)話(huà)人識(shí)別.pdf
- 基于GMM與改進(jìn)LS-SVM算法的說(shuō)話(huà)人識(shí)別研究.pdf
- 基于分類(lèi)特征映射和SVM的說(shuō)話(huà)人確認(rèn)方法研究.pdf
- 基于韻律聯(lián)合短時(shí)譜的說(shuō)話(huà)人變換.pdf
- 基于倒譜特征的說(shuō)話(huà)人識(shí)別算法研究.pdf
- 基于多特征決策融合的說(shuō)話(huà)人識(shí)別研究.pdf
- 基于改進(jìn)網(wǎng)格搜索法SVM參數(shù)優(yōu)化的說(shuō)話(huà)人識(shí)別研究.pdf
評(píng)論
0/150
提交評(píng)論