

已閱讀1頁,還剩74頁未讀, 繼續(xù)免費閱讀
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、說話人識別技術(shù)在計算機智能接口和人機交互方面有著重要的應用價值。其任務是用計算機分析說話人的語音,得到有關(guān)個人的特征,并由此識別出人的身份。目前在說話人識別中,常用的效果較好的特征參數(shù)有MFCC等,在純凈語音的情況下已經(jīng)有了近乎完美的識別效果,但在有噪音的環(huán)境下性能卻大幅度降低。本論文研究在噪音環(huán)境下的說話人識別方法,主要研究內(nèi)容如下:
(1)改進原有的判別分析方法,將線性判別分析加上稀疏性的約束,提出一種新的特征提取方法,并
2、采用了梯度下降的優(yōu)化方法得出相應算法。
(2)張量有表達高階信息的強大能力,能克服數(shù)據(jù)向量化表示后的缺陷。我們將上述稀疏約束判別分析方法推廣到張量上,得到基于張量的稀疏判別分析方法,并同樣采用梯度下降的優(yōu)化方法得出相應的算法,用以提取說話人特征。
(3)實現(xiàn)本文提出的兩種算法,進行說話人識別實驗,并與傳統(tǒng)特征參數(shù)進行比較。實驗結(jié)果表明,由于結(jié)合了線性判別分析的判別能力和稀疏特征的抗噪性能,本文提出的方法不僅在純凈語音
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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
- 噪聲環(huán)境下說話人識別方法研究.pdf
- 噪音環(huán)境下的說話人識別算法研究.pdf
- 在噪聲環(huán)境下說話人識別方法的研究.pdf
- 說話人識別方法的研究.pdf
- 電子偽裝語音下的說話人識別方法研究.pdf
- 基于說話人轉(zhuǎn)換的語音識別方法.pdf
- 說話人識別方法與策略的研究.pdf
- 基于PLDA模型的說話人識別方法研究.pdf
- 基于小波變換的說話人識別方法研究.pdf
- 基于模型聚類的說話人識別方法研究.pdf
- 基于倒譜特征的說話人識別方法研究.pdf
- 噪聲環(huán)境下說話人識別算法研究.pdf
- 基于深度學習的說話人識別方法的研究.pdf
- 與文本有關(guān)的說話人識別方法的研究.pdf
- 說話人識別方法及其系統(tǒng)的應用開發(fā)研究.pdf
- 與文本相關(guān)的說話人識別方法研究.pdf
- 融合AP和GMM的說話人識別方法研究.pdf
- 基于GMM和SVM的說話人識別方法研究.pdf
- 基于VQ-HMM的說話人識別方法研究.pdf
- 基于GMM-UBM的快速說話人識別方法.pdf
評論
0/150
提交評論