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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、語音信號(hào)是用于個(gè)人身份辨識(shí)和確認(rèn)的一種有效的生物特征,說話人識(shí)別的研究也是語音信號(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.近年來支持向量機(jī)(SVM)由于其具有強(qiáng)區(qū)分能力,尤其適合解決類似于話者確認(rèn)這樣的二元分類問題,因而成為模式分類研究領(lǐng)域的一個(gè)研究熱點(diǎn).該文將以SVM用于與文本無關(guān)的話者確認(rèn)作為主要研究內(nèi)容,對(duì)SVM話者模型的訓(xùn)練及匹配所存在的一些問題做了較深入的研究,同時(shí)對(duì)語音信號(hào)中所包含的激勵(lì)源信息以及
2、多信息、多子系統(tǒng)融合策略用于提高話者識(shí)別系統(tǒng)的性能及魯棒性進(jìn)行了深入的研究,主要研究內(nèi)容與工作成果如下:1.針對(duì)直接采用聲道倒譜特征參數(shù)時(shí)的SVM話者模型訓(xùn)練所面臨的大樣本情況下的訓(xùn)練效率低、不易收斂以及魯棒性能不好等問題,提出了一種結(jié)合統(tǒng)計(jì)特征參數(shù)的GMM/SVM話者模型,由目標(biāo)說話人和背景說話人的混合高斯模型(GMM)提取的話者統(tǒng)計(jì)特征訓(xùn)練建立SVM話者模型,從而有效地解決了SVM訓(xùn)練時(shí)的大樣本等問題.2.研究討論了語音信號(hào)中所攜帶
3、的激勵(lì)源特征及其動(dòng)態(tài)參數(shù)對(duì)話者識(shí)別性能的影響,提出了一種以激勵(lì)源信息作為輔助的主從系統(tǒng)結(jié)構(gòu)策略,主系統(tǒng)為采用聲道倒譜參數(shù)GMM-UBM系統(tǒng),激勵(lì)源參數(shù)采用SVM方式(SVM-PITCH),主輔系統(tǒng)在輸出級(jí)用SVM實(shí)現(xiàn)非線性融合,從而可以有效的發(fā)揮兩類不同特征信息對(duì)于說話人識(shí)別的互補(bǔ)作用,進(jìn)一步提高了系統(tǒng)性i能及魯棒性.3.針對(duì)訓(xùn)練語音和測試語音長度較短時(shí),高斯混合模型不能取高混合度而導(dǎo)致的識(shí)別性能下降,提出了一種分類GMM和多子系統(tǒng)融合
4、的系統(tǒng)方法.4.針對(duì)通過各種手機(jī)、電話通道傳輸?shù)恼Z音信號(hào)中不同頻帶范圍受通道噪聲和通道特性變化影響的不同,以及不同頻帶中所包含的話者個(gè)性信息對(duì)話者識(shí)別系統(tǒng)性能的影響與貢獻(xiàn)不同,結(jié)合人耳聽覺感知機(jī)理,我們?cè)O(shè)計(jì)了一種具有較寬的子帶帶寬以及具有更多的子帶間交疊的基于子帶GMM和SVM融合的與文本無關(guān)的話者確認(rèn)系統(tǒng)(WSB-GMM/SVM),并通過與全頻帶系統(tǒng)相結(jié)合,大大提高了整個(gè)確認(rèn)系統(tǒng)的性能.論文的研究工作得到了國家自然科學(xué)基金項(xiàng)目(602
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(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)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(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
- 與文本無關(guān)的話者識(shí)別系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 基于GMM和SVM的文本無關(guān)的說話人確認(rèn)方法研究.pdf
- 基于VQ和GMM的與文本無關(guān)的說話人識(shí)別研究.pdf
- 基于SVM的文本無關(guān)話者確認(rèn)研究.pdf
- 基于SVM的與文本無關(guān)的說話人識(shí)別算法研究.pdf
- 基于話者統(tǒng)計(jì)特征和SVM的文本無關(guān)話者確認(rèn)研究.pdf
- 基于SVM的與文本無關(guān)的說話人識(shí)別系統(tǒng)研究.pdf
- 基于GMM和高層信息特征的文本無關(guān)說話人識(shí)別研究.pdf
- 基于SVM的文本無關(guān)說話人識(shí)別算法研究.pdf
- 噪聲環(huán)境下的基于GMM-SVM說話人識(shí)別算法.pdf
- 基于文本無關(guān)的說話人識(shí)別.pdf
- 與文本無關(guān)話者識(shí)別算法研究及其DSP系統(tǒng)實(shí)現(xiàn).pdf
- 基于GMM-SVM的廣播語音多語種識(shí)別研究.pdf
- 文本無關(guān)的說話人識(shí)別研究.pdf
- 定點(diǎn)化與文本無關(guān)的說話人識(shí)別系統(tǒng).pdf
- 基于深度學(xué)習(xí)的與文本無關(guān)話者確認(rèn)研究.pdf
- 與文本無關(guān)的說話人識(shí)別系統(tǒng)研究.pdf
- 基于文本無關(guān)的說話人識(shí)別技術(shù)研究.pdf
- 與文本無關(guān)的語種識(shí)別技術(shù)研究.pdf
- 基于文本無關(guān)的說話人識(shí)別技術(shù)的研究.pdf
評(píng)論
0/150
提交評(píng)論