說話人識別中特征提取的方法研究.pdf_第1頁
已閱讀1頁，還剩69頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：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，請進行舉報或認領

文檔簡介

1、說話人識別作為生物認證技術的一種,是根據(jù)語音波形中反映說話人生理和行為特征的語音參數(shù),自動鑒別說話人身份的一項技術.說話人識別技術以其獨特的方便性、經(jīng)濟性和準確性等優(yōu)勢受到世人矚目,并日益成為人們?nèi)粘Ｉ詈凸ぷ髦兄匾移占暗陌踩炞C方式.因此,研究一種識別率高、魯棒性強的說話人識別方法是國內(nèi)外眾多研究者努力的目標.在眾多的說話人識別方法中,本文重點研究了基于Mel頻率倒譜系數(shù)(Mel-frequency Cepstrum Coeffic

2、ients,簡稱MFCC)特征和高斯混合模型的說話人識別系統(tǒng),結(jié)合F比、主分量分析和獨立分量分析等方法做了以下研究工作:(1)對比了常用特征LPCC(Linear Predictive Cepstral Coefficients,簡稱LPCC)、ACW(Adaptive Components Weighting,簡稱ACW)和MFCC對系統(tǒng)識別性能的影響,并通過實驗驗證了使用MFCC特征可以使得系統(tǒng)取得較高識別率.(2)在MFCC的基礎

3、上,討論了加入歸一化短時能量的MFCC以及提取MFCC的過渡信息對系統(tǒng)識別性能的影響.并利用F比這種特征評價方法來選取特征分量,驗證了F比方法的有效性.(3)借助于F比方法直接選取MFCC中對識別性能貢獻較大的特征分量,并給出一種基于MFCC特征的加權F比方法.(4)將主分量分析和F比方法應用于MFCC特征提取過程之中,去除了特征分量之間的相關性,同時又可以選取出區(qū)分度最大的特征分量.(5)將獨立分量分析和F比方法應用于MFCC特征提取

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)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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。

評論

0/150

提交評論