已閱讀1頁，還剩74頁未讀， 繼續(xù)免費閱讀
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、本文的工作是圍繞構(gòu)建一個文本無關(guān)的說話人識別系統(tǒng)展開的。主要研究語音的預(yù)處理、特征提取、說話人模型建立以及判決策略。并實現(xiàn)了基于矢量量化(VQ)和高斯混合模型(GMM)的說話人識別系統(tǒng)。本文的工作主要有以下幾方面： 在語音信號預(yù)處理方面，對語音信號進行8kHz的采樣，16bit量化，然后進行預(yù)加重、分幀處理、加漢明窗。 在特征提取方面，本文提取了語音信號的線性預(yù)測系數(shù)(LPC)、線性預(yù)測倒譜系數(shù)(LPCC)和Mel頻率倒
2、譜系數(shù)(MFCC)，并在GMM系統(tǒng)下比較它們的優(yōu)劣，實驗結(jié)果表明：MFCC最優(yōu)，LPCC次之，LPC最差。 在識別模型方面，本文主要介紹VQ模型、隱馬爾可夫模型(HMM)和GMM模型。并對VQ和GMM進行了測試，分別進行了說話人辨認和說話人確認實驗。實驗結(jié)果表明：無論是說話人辨認還是說話人確認，GMM模型的識別性能要優(yōu)于VQ。 針對GMM模型進行著重研究，研究了高斯混合模型的階數(shù)對系統(tǒng)識別率的影響，分析了階數(shù)過大或過小對
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。
- 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。
最新文檔
- 與文本無關(guān)的說話人識別技術(shù)研究.pdf
- 基于文本無關(guān)的說話人識別.pdf
- 文本無關(guān)的說話人識別研究.pdf
- 基于文本無關(guān)的說話人識別技術(shù)的研究.pdf
- 與文本無關(guān)說話人識別技術(shù)的研究.pdf
- 與文本無關(guān)的開集說話人識別技術(shù)研究.pdf
- 與文本無關(guān)的說話人識別的關(guān)鍵技術(shù)研究.pdf
- 基于VQ的文本無關(guān)說話人識別研究.pdf
- 基于SVM的文本無關(guān)說話人識別算法研究.pdf
- 基于SVM的與文本無關(guān)的說話人識別算法研究.pdf
- 與文本無關(guān)的說話人識別算法的研究.pdf
- 面向嵌入式系統(tǒng)的文本無關(guān)說話人識別技術(shù)研究.pdf
- 文本無關(guān)說話人識別系統(tǒng)研究.pdf
- 基于Mel子帶系數(shù)的文本無關(guān)的說話人識別.pdf
- 基于VQ和GMM的與文本無關(guān)的說話人識別研究.pdf
- 文本無關(guān)說話人識別及其應(yīng)用研究.pdf
- 與文本無關(guān)的說話人識別系統(tǒng)研究.pdf
- 基于i-vector的與文本無關(guān)的說話人識別研究.pdf
- 基于語音組成單位的文本無關(guān)說話人識別.pdf
- 文本無關(guān)的多說話人確認研究.pdf
評論
0/150
提交評論