基于小波分析的說話人識別研究.pdf_第1頁
已閱讀1頁,還剩69頁未讀 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),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、說話人識別是一種生物識別技術(shù).通過對采集到的語音信號提取相應(yīng)的特征,建立相應(yīng)的模型,然后判斷說話人身份.說話人識別在電子商務(wù)和和信息安全等領(lǐng)域具有廣泛的應(yīng)用前景.該文首先介紹了說話人識別技術(shù)的發(fā)展現(xiàn)狀和聲學(xué)基礎(chǔ),詳細(xì)論述了語音信號的產(chǎn)生原理及其數(shù)字模型;同時也闡述了人耳聽覺感知的特性以及Mel刻度在語音信號處理中的作用.然后,對小波理論進(jìn)行了詳細(xì)地介紹,并且論述了小波分析在對語音信號處理中有很好的效果.接著,介紹了說話人識別系統(tǒng)中的語音

2、特征參數(shù)提取部分,重點(diǎn)闡述了MPCC參數(shù)的提取,并在此基礎(chǔ)上,引入了小波包分析來逼近人耳的聽覺感知特性,并且在增加了一個小波系數(shù)的降噪步驟,從而提出了一種新的語音特征參數(shù)—"基于小波的子代特征參數(shù)"(SFBW).跟著,介紹了幾種說話人識別的模型,如動態(tài)時間規(guī)整DTW、矢量量化VQ、隱馬爾可夫模型HMM等、重點(diǎn)闡述了高斯混合模型GMM,以及其改進(jìn)型—正交高斯混合模型(OGMM),并且論述了OGMM模型相對于GMM計算量減小的特點(diǎn).實驗是以

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