基于保局部核多元RVM的說話人識(shí)別方法研究.pdf

1、隨著現(xiàn)代社會(huì)經(jīng)濟(jì)和科學(xué)技術(shù)的快速發(fā)展,人們活動(dòng)領(lǐng)域不斷擴(kuò)大,身份識(shí)別技術(shù)在當(dāng)今社會(huì)生活和經(jīng)濟(jì)活動(dòng)方面顯得越來越重要。傳統(tǒng)的密碼、智能卡或動(dòng)態(tài)口令等具有先天性安全缺陷的身份認(rèn)證手段已經(jīng)遠(yuǎn)遠(yuǎn)無法滿足大眾的需求,人們就逐漸把目光轉(zhuǎn)向了具有唯一性和終身不變性的基于生物特征的個(gè)人身份識(shí)別技術(shù)。其中說話人識(shí)別技術(shù)因其獨(dú)特的方便性、經(jīng)濟(jì)性和準(zhǔn)確性,在生物識(shí)別領(lǐng)域中獲得廣闊應(yīng)用。
　　 雖然說話人識(shí)別技術(shù)的研究工作已經(jīng)歷經(jīng)多年,但其技術(shù)還不能滿

2、足日益增加的性能要求,仍需不斷提高。本文以小樣本語料庫為應(yīng)用對(duì)象,深入研究與文本無關(guān)的說話人識(shí)別系統(tǒng),具體工作可歸納如下:
　　 (1)介紹說話人識(shí)別的基本原理,包括預(yù)處理、特征參數(shù)提取、模型構(gòu)建過程等。
　　 (2)將相關(guān)向量機(jī)(Relevance Vector Machine,RVM)應(yīng)用于說話人識(shí)別系統(tǒng)。RVM采用稀疏性先驗(yàn)概率分布,使模型具有高度稀疏性,并且在模型訓(xùn)練過程中采用快速邊緣最大化算法,規(guī)避了大型矩陣逆

3、操作,減少計(jì)算量,可靈活應(yīng)用于實(shí)時(shí)性要求較高的說話人識(shí)別場(chǎng)合。
　　 (3)針對(duì)語音數(shù)據(jù)本身具有的復(fù)雜分布結(jié)構(gòu),在核函數(shù)中引入相似度因子構(gòu)成保局部核函數(shù),保留了數(shù)據(jù)內(nèi)部局部結(jié)構(gòu),并將保局部核應(yīng)用于RVM,以提高分類精度。
　　 (4)針對(duì)說話人多分類問題,提出一種多元RVM(Multi-RVM,MRVM)模型,并采用保局部核,形成一個(gè)基于保局部核的多元相關(guān)向量機(jī)模型。新模型簡(jiǎn)化了最終分類模型,一次成型,更加方便、直觀。<