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(jiǎn)介
1、說話人識(shí)別技術(shù)因其自身獨(dú)特的方便性、經(jīng)濟(jì)性、準(zhǔn)確性和可擴(kuò)展性等優(yōu)點(diǎn),在生物特征識(shí)別領(lǐng)域中具有廣闊的應(yīng)用前景。盡管在實(shí)驗(yàn)室環(huán)境下,說話人識(shí)別系統(tǒng)已經(jīng)取得了比較令人滿意的效果,但是現(xiàn)實(shí)中的各種外界因素使得系統(tǒng)性能明顯下降。為了提高系統(tǒng)實(shí)用化程度,還需要解決很多問題,其中一個(gè)顯著的問題就是如何在訓(xùn)練數(shù)據(jù)不足的情況下提高系統(tǒng)的性能。
針對(duì)訓(xùn)練數(shù)據(jù)不足的特點(diǎn),本文在對(duì)說話人建模時(shí)采用的是高斯混合模型—通用背景模型(Gaussian Ma
2、rkov Model-Uniform Background Model,GMM-UBM),主要從說話人識(shí)別模型的自適應(yīng)方法和參數(shù)估計(jì)方法兩個(gè)方面,研究如何提高說話人識(shí)別系統(tǒng)的識(shí)別率。在說話人識(shí)別模型自適應(yīng)方面,改進(jìn)傳統(tǒng)的用最大后驗(yàn)概率MAP(MaximumA Posterior Probability)得到說話人模型的方法,將語(yǔ)音識(shí)別中的最大似然線性回歸MLLR(Maximum Likelihood Linear Regression)
3、和基于特征音(EigenVoice,EV)的自適應(yīng)方法,應(yīng)用到說話人識(shí)別模型自適應(yīng)當(dāng)中,并將其與MAP方法進(jìn)行比較;針對(duì)MAP和MLLR各自的優(yōu)缺點(diǎn),將其結(jié)合為綜合漸進(jìn)的自適應(yīng)方法。在參數(shù)估計(jì)方面,考慮到常用的基于最大似然ML(Maximum Likelihood)準(zhǔn)則的算法有一定局限性,它不能有效地刻畫說話人之間的差異。針對(duì)這一不足,可以引入近年來語(yǔ)音識(shí)別算法中基于最小分類錯(cuò)誤MCE(Minimum Classification Er
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(yè)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(kù)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
- 基于自適應(yīng)高斯混合模型說話人識(shí)別的研究.pdf
- 自適應(yīng)高斯混合模型及說話人識(shí)別應(yīng)用.pdf
- DNN-HMM語(yǔ)音識(shí)別聲學(xué)模型的說話人自適應(yīng).pdf
- 說話人識(shí)別的自適應(yīng)算法研究.pdf
- 語(yǔ)音識(shí)別中的說話人自適應(yīng)研究.pdf
- 語(yǔ)音識(shí)別中說話人自適應(yīng)技術(shù)的研究與實(shí)現(xiàn).pdf
- 語(yǔ)音識(shí)別中神經(jīng)網(wǎng)絡(luò)聲學(xué)模型的說話人自適應(yīng)研究.pdf
- 基于說話人自適應(yīng)訓(xùn)練的統(tǒng)計(jì)參數(shù)語(yǔ)音合成的研究.pdf
- 基于自適應(yīng)背景模型的步態(tài)識(shí)別.pdf
- 基于高斯混合模型的說話人識(shí)別技術(shù)研究.pdf
- RNN-BLSTM聲學(xué)模型的說話人自適應(yīng)方法研究.pdf
- 基于混合高斯模型的說話人識(shí)別.pdf
- 基于量子遺傳高斯混合模型的說話人識(shí)別技術(shù).pdf
- 基于高斯混合模型的說話人識(shí)別研究.pdf
- 基于高斯混合模型的說話人識(shí)別算法研究.pdf
- 基于統(tǒng)計(jì)模型的說話人識(shí)別研究與實(shí)現(xiàn).pdf
- 基于感知模型的自適應(yīng)水印技術(shù).pdf
- 基于軌線模型和VQ模型的說話人識(shí)別研究.pdf
- 基于GMM的說話人識(shí)別技術(shù)研究.pdf
- 基于說話人識(shí)別技術(shù)的身份認(rèn)證系統(tǒng).pdf
評(píng)論
0/150
提交評(píng)論