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、說話人跟蹤在視頻會議、多媒體系統(tǒng)、智能監(jiān)控、人機交互、機器人等領(lǐng)域具有重要的研究意義和廣泛的應(yīng)用價值。聲源定位技術(shù)常被用來作為說話人跟蹤的基本手段,然而聲源定位技術(shù)容易受到混響、噪聲的影響,并且當環(huán)境中存在多個說話人時會使說話人跟蹤產(chǎn)生偏差。Kinect由四個麥克風組成的直線型陣列能夠有效抑制噪聲和消除回音,本學位論文利用Kinect傳感器接收和處理說話人的語音信號,采用基于波束形成算法實現(xiàn)說話人跟蹤。多說話人的環(huán)境下,加入說話人的聲紋
2、特征,對特定說話人的身份進行仔細確認后,再實現(xiàn)實時跟蹤。
首先,針對多說話人環(huán)境,選用基于高斯混合模型-通用背景模型(Gaussianmixture model-Universal Background Model,GMM-UBM)的說話人確認方法對說話人進行身份認證。該方法先提取出模仿人耳聽覺特性的聲紋特征參數(shù)—梅爾倒譜系數(shù)(Mel Frequency Cepstral Coefficients,MFCC),然后將GMM-U
3、BM模型作為說話人確認的訓練模型,測試階段將測試語音與訓練得到的說話人模型進行匹配,匹配得分與預(yù)先設(shè)置的閾值進行比較,最終給出判斷結(jié)果。
其次,采用自適應(yīng)波束形成算法實現(xiàn)聲源的定位,解決了Kinect麥克風陣元較少情況下的說話人聲源定位問題。
最后,設(shè)計了特定說話人跟蹤系統(tǒng),主要包括三個功能模塊:音頻采集與處理模塊、說話人確認模塊和定位跟蹤模塊。利用Kinect for Windows SDKv1.8和Open CV
4、以及tsVPR說話人確認引擎等工具包,對這三個模塊進行了設(shè)計及實現(xiàn)。最終根據(jù)獲取到的特定說話人的方位角,實現(xiàn)了特定說話人的定位跟蹤功能。
實驗結(jié)果表明,本文設(shè)計和實現(xiàn)的特定說話人跟蹤系統(tǒng),采用自適應(yīng)波束形成技術(shù)能夠準確地定位特定說話人的方位。在理想環(huán)境和單一特定說話人情況下平均定位準確率為93.3%,方位角的均方根誤差(Root mean square error,RMSE)為6.4,在理想環(huán)境和多人情況下平均定位準確率為89
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
- 基于特定說話人識別的門禁系統(tǒng)研究.pdf
- 基于特定文本的說話人識別技術(shù)研究.pdf
- 說話人識別算法研究與說話人辨認系統(tǒng)實現(xiàn).pdf
- 基于ARM的說話人識別系統(tǒng)的研究與實現(xiàn).pdf
- 基于Kinect的人群識別與跟蹤系統(tǒng).pdf
- 基于GMM的說話人識別系統(tǒng)研究與實現(xiàn).pdf
- 說話人識別系統(tǒng)的研究與實現(xiàn).pdf
- 說話人檢索系統(tǒng)的研究與實現(xiàn).pdf
- 特定目標說話人的語音轉(zhuǎn)換系統(tǒng)設(shè)計.pdf
- 基于FPGA的說話人識別系統(tǒng)設(shè)計與實現(xiàn).pdf
- 基于SOPC的說話人識別系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 基于統(tǒng)計模型的說話人識別研究與實現(xiàn).pdf
- 基于Kinect的內(nèi)容展示系統(tǒng)設(shè)計與實現(xiàn).pdf
- 基于FPGA的說話人識別系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 基于Android平臺的說話人確認系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 基于Windows CE的說話人識別系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 基于深度學習的說話人識別系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 基于Kinect的動畫研究與實現(xiàn).pdf
- 基于粒子濾波方法的說話人跟蹤技術(shù)研究.pdf
- 基于VQ和HMM的說話人識別系統(tǒng)研究與實現(xiàn).pdf
評論
0/150
提交評論