說話人特征提取和識(shí)別算法的研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩50頁(yè)未讀, 繼續(xù)免費(fèi)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、說話人識(shí)別以其獨(dú)特的方便性、經(jīng)濟(jì)性和準(zhǔn)確性等優(yōu)勢(shì)在公安、司法、聲控以及軍事等領(lǐng)域有著廣闊的應(yīng)用前景。如何從大量的語(yǔ)音數(shù)據(jù)中提取反映說話人個(gè)性特征的語(yǔ)音參數(shù)和設(shè)計(jì)行之有效的分類器是說話人識(shí)別領(lǐng)域研究的熱點(diǎn)。 針對(duì)支持向量機(jī)法(SupportVectorMachine,SVM)和核Fisher判別方法(KernelFisherDiscriminant,KFD)存在的問題,本文提出了自己的解決方案。 1.針對(duì)說話人識(shí)別中語(yǔ)音數(shù)

2、據(jù)維數(shù)高和識(shí)別模型訓(xùn)練慢的問題,提出基于主分量空間的PCA分類方法和基于截?cái)嗾`差空間的PCA分類方法,在保證識(shí)別性能的情況下,可以有效地降低后續(xù)階段的計(jì)算復(fù)雜度。 2.針對(duì)SVM不能直接處理動(dòng)態(tài)時(shí)間序列語(yǔ)音數(shù)據(jù)的問題,提出一種基于添加原始分類信息Fisher分值法(AOI—Fisherscore)的序列特征提取方法。為了解決AOI—Fisher分值法計(jì)算復(fù)雜度高的問題,采用PCA對(duì)MFCC參數(shù)進(jìn)行降維的同時(shí)篩選出可能的目標(biāo)說話人

3、,縮小說話人的范圍,減少輸入樣本的數(shù)量。該方法可以提高SVM在整體語(yǔ)音數(shù)據(jù)上進(jìn)行分類的性能,同時(shí)又可降低系統(tǒng)的建模時(shí)間。 3.提出一種基于TES—PCA和核Fisher判別(KFD)的多級(jí)說話人確認(rèn)方法。PCA分類器實(shí)現(xiàn)簡(jiǎn)單,可以快速的判斷出可能的目標(biāo)說話人,然后采用KFD進(jìn)行最終的說話人確認(rèn)。該方法克服了KFD的計(jì)算復(fù)雜度隨著樣本規(guī)模的增大而提高的缺陷。相比于傳統(tǒng)的SVM分類器和KFD分類器,仿真實(shí)驗(yàn)結(jié)果表明多級(jí)分類器具有較高

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。

評(píng)論

0/150

提交評(píng)論