

版權(quán)說(shuō)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(shuō)話人識(shí)別一直都是國(guó)內(nèi)外的一個(gè)重要的研究課題。本文從研究說(shuō)話人識(shí)別的一些基本理論入手,研究了幾種常用的說(shuō)話人確認(rèn)算法和背景模型并進(jìn)行了仿真與比較,重點(diǎn)研究了基于GMM模型以及全局背景模型的與文本無(wú)關(guān)的說(shuō)話人確認(rèn)系統(tǒng)。本文的主要研究工作如下:
1.傳統(tǒng)的基于概率模型的說(shuō)話人確認(rèn)系統(tǒng)都要為說(shuō)話人設(shè)置一個(gè)背景模型,背景模型的好壞有時(shí)候與特征參數(shù)選擇的好壞一樣能對(duì)識(shí)別率起到至關(guān)重要的作用。本文先對(duì)兩種常用的背景模型即全局背景模型(
2、Universal Background Model,UBM)和競(jìng)爭(zhēng)者模型(Cohort Model)進(jìn)行了闡述,并分別對(duì)其進(jìn)行了說(shuō)話人確認(rèn)的仿真實(shí)驗(yàn)。結(jié)果表明全局背景模型的識(shí)別率達(dá)到94%左右,而競(jìng)爭(zhēng)者模型的識(shí)別率則比較低只稍高于80%,不能單獨(dú)用于實(shí)際應(yīng)用。
2.廣泛查閱了研究者們提出的全局背景模型和競(jìng)爭(zhēng)者模型的研究結(jié)果后,發(fā)現(xiàn)研究者們已經(jīng)指出兩種模型代表了特征空間的不同區(qū)域。UBM代表與真實(shí)說(shuō)話人無(wú)關(guān)的特征分布,即所
3、有說(shuō)話人的共性,易于區(qū)分一般的假冒者;Cohort Model代表與真實(shí)說(shuō)話人特性相近的假冒者的特性,易于區(qū)分與真實(shí)說(shuō)話人特性相近的假冒者。因此我們提出將兩種背景模型經(jīng)行級(jí)聯(lián),先用UBM區(qū)分大部分的假冒者,再用Cohort Model區(qū)分與真實(shí)說(shuō)話人特性相近的假冒者,實(shí)驗(yàn)表明新模型能有效的提高說(shuō)話人確認(rèn)的識(shí)別率。在實(shí)驗(yàn)過(guò)程中提出疏遠(yuǎn)者模型(C_Cohort Model)在說(shuō)話人確認(rèn)中的作用。
3.實(shí)際環(huán)境中無(wú)處不在的噪聲帶
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(méi)有圖紙預(yù)覽就沒(méi)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
- 說(shuō)話人確認(rèn)中背景模型的研究.pdf
- 基于概率統(tǒng)計(jì)模型的說(shuō)話人確認(rèn)的研究.pdf
- 基于高斯混合模型的說(shuō)話人確認(rèn)魯棒性研究和系統(tǒng)實(shí)現(xiàn).pdf
- 基于區(qū)分性說(shuō)話人模型的與文本無(wú)關(guān)說(shuō)話人確認(rèn)研究.pdf
- 基于軌線模型和VQ模型的說(shuō)話人識(shí)別研究.pdf
- 復(fù)雜背景下說(shuō)話人確認(rèn)的研究.pdf
- 說(shuō)話人識(shí)別中的背景模型與得分問(wèn)題研究.pdf
- 基于HMM模型的說(shuō)話人識(shí)別系統(tǒng)的研究.pdf
- 基于混合高斯模型的說(shuō)話人識(shí)別.pdf
- 基于MFCC特征和GMM模型的說(shuō)話人識(shí)別系統(tǒng)研究.pdf
- 基于GMM-UBM模型的說(shuō)話人識(shí)別系統(tǒng).pdf
- 基于高斯混合模型的說(shuō)話人識(shí)別系統(tǒng)的研究.pdf
- 基于因子分析的說(shuō)話人確認(rèn).pdf
- 基于高斯混合模型的說(shuō)話人識(shí)別研究.pdf
- 基于高斯混合模型的說(shuō)話人識(shí)別算法研究.pdf
- 基于統(tǒng)計(jì)模型的說(shuō)話人識(shí)別研究與實(shí)現(xiàn).pdf
- 基于排序GMM的說(shuō)話人確認(rèn)的研究.pdf
- 基于Android平臺(tái)的說(shuō)話人確認(rèn)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于稀疏表示的說(shuō)話人確認(rèn)方法研究.pdf
- 基于分類特征映射和SVM的說(shuō)話人確認(rèn)方法研究.pdf
評(píng)論
0/150
提交評(píng)論