說話人識別中信息融合算法的研究.pdf_第1頁
已閱讀1頁,還剩135頁未讀 繼續(xù)免費閱讀

下載本文檔

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(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、本文通過對說話人認(rèn)證系統(tǒng)中的特征級融合、匹配分?jǐn)?shù)級融合、決策級融合與多層級融合各種信息融合算法的研究,進(jìn)一步提高了系統(tǒng)的認(rèn)證精度,以便更好地解決關(guān)系國計民生的公共信息安全問題。針對各個融合層級發(fā)現(xiàn)的問題,本文分別從建立特征級融合理論、提出匹配分?jǐn)?shù)級融合特征選擇算法、提出多層級融合理論三個角度進(jìn)行了研究。
   本文主要貢獻(xiàn)有:
   1.本文按照信息融合生物識別系統(tǒng)中存在的特征級、匹配分?jǐn)?shù)級與決策級三種融合層級,對現(xiàn)有信

2、息融合說話人識別算法進(jìn)行歸納,并對匹配分?jǐn)?shù)融合說話人識別算法進(jìn)行子類劃分。然后,針對各融合層級遇到的問題與不足,具體工作有:
   2.針對特征層級存在的問題,本文提出了一種基于關(guān)系度量融合框架的特征級融合算法。以此關(guān)系度量框架為理論依據(jù)建立了一種基于特征級融合的說話人認(rèn)證算法,通過引入最大Kullback-Leibler距離計算特征級融合的有效信息量,首次從信息論角度闡述了特征級融合優(yōu)于說話人識別中常用的匹配分?jǐn)?shù)融合的原因。實

3、驗結(jié)果顯示特征級融合算法較傳統(tǒng)匹配分?jǐn)?shù)算法可以獲取更多的有效信息量,得到了比匹配分?jǐn)?shù)融合和單模態(tài)算法更優(yōu)的性能。最佳情況下,特征級融合算法的等錯誤率比傳統(tǒng)匹配分?jǐn)?shù)融合降低了3.88%,比單模態(tài)算法降低了7.3%。
   3.針對匹配分?jǐn)?shù)層級存在的問題,本文提出了一種基于Spearman相關(guān)系數(shù)的匹配分?jǐn)?shù)融合特征選擇算法。在匹配分?jǐn)?shù)融合過程中,如何選擇兩種相關(guān)性較小的匹配分?jǐn)?shù)是提高融合后系統(tǒng)性能的關(guān)鍵。目前業(yè)內(nèi)缺乏衡量這種相關(guān)性的

4、度量。本文首次引入Spearman相關(guān)系數(shù)來衡量匹配分?jǐn)?shù)之間相關(guān)性,并且利用多項式曲線擬合Spearman系數(shù)分別與等錯誤率、MinDCF之間的關(guān)系,驗證了該系數(shù)的有效性。進(jìn)一步引入Kullback-Leibler距離分析了與Spearman系數(shù)之間的關(guān)系,再次驗證了Spearman系數(shù)的有效性。通過Spearman系數(shù)對6種話語特征共15種兩特征融合方案的匹配分?jǐn)?shù)相關(guān)性的實驗評估,進(jìn)行了最優(yōu)融合特征的選擇,選出了MFCC與residu

5、al phase的最佳融合方案,并將Spearman系數(shù)與其它典型相關(guān)性度量進(jìn)行時效性比較,驗證其時效性最優(yōu),適合大量話語特征的快速選擇。
   4.針對決策級融合存在的問題,本文首次提出了一種多層級融合說話人識別框架理論,在框架中分別定義了一種強(qiáng)多層級融合、三種弱多層級融合的四種多層級融合概念。針對兩特征融合實例,分別討論了以上四種多層級融合情況,提出了一種兩特征的匹配分?jǐn)?shù)、決策級融合多層級融合算法,驗證了多層級融合理論的可行

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(hù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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