基于聲學(xué)參數(shù)和高層信息的說話人識別.pdf_第1頁
已閱讀1頁,還剩75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、語音技術(shù)是2000年至2010年間信息技術(shù)領(lǐng)域的十大重要科技發(fā)展技術(shù)之一。語音中所包含的最重要的信息是說話人所要表達(dá)的語義信息,同時語音也間接傳遞了說話者的個人身份信息,比如有關(guān)語種、心情、性別、年齡等,說話人識別技術(shù)在電話金融交易、網(wǎng)絡(luò)安全、多媒體數(shù)據(jù)檢索等領(lǐng)域獲得了廣泛的應(yīng)用?,F(xiàn)有的說話人識別技術(shù)主要基于底層的聲學(xué)參數(shù)信息特征,發(fā)展基于高層信息及其與聲學(xué)參數(shù)融合的識別技術(shù)是未來的發(fā)展方向,但目前仍存在一定的技術(shù)難點。本文對此進(jìn)行了嘗

2、試,從聲學(xué)參數(shù)、韻律參數(shù)以及字詞搭配等層面對說話人識別問題進(jìn)行了深入研究,主要研究工作和成果如下:
  1、在基于聲學(xué)參數(shù)的說話人識別研究上,本文基于傳統(tǒng)的GMM-UBM系統(tǒng)和GLDS-SVM系統(tǒng),將訓(xùn)練和測試的每段語音都通過自適應(yīng)的方法得到一個混合高斯模型,計算混合高斯模型之間的馬氏距離。通過說話人模型、測試模型、UBM模型之間的三角形三條邊和三個夾角來識別說話人,將三條邊和三個角作為6維的特征矢量與GLDS的超矢量結(jié)合,在采用

3、支持向量機作為識別模型的情況下,相對于傳統(tǒng)的GMM-UBM系統(tǒng),能夠取得等錯誤率16%的相對下降。
  2、在基于韻律參數(shù)的說話人識別研究上,本文采用勒讓德多項式的方法對能量包絡(luò)和基頻包絡(luò)進(jìn)行展開,把韻律特征形成一個13維的韻律參數(shù),然后采用GMM-SVM的方法進(jìn)行識別。進(jìn)一步,采用得分域的融合互補,將基于韻律參數(shù)的說話人識別系統(tǒng)和基于聲學(xué)參數(shù)的系統(tǒng)進(jìn)行融合,融合后的等錯誤率相對聲學(xué)參數(shù)的系統(tǒng)下降25%。
  3、在基于說話

4、人字詞搭配的說話人識別研究上,本文采用音素搭配的n-gram在一句話中出現(xiàn)的概率來作為支持向量機的輸入特征參數(shù),為了解決數(shù)據(jù)稀疏性問題,本文采用KPCA的方法在降維的同時提高特征參數(shù)的區(qū)分性,在采用三個語種并行識別的情況下,能夠做到的等錯誤率為17.58%,如果和聲學(xué)參數(shù)以及韻律參數(shù)的系統(tǒng)進(jìn)行融合,最終能夠取得6.1%的等錯誤率。
  4、本文在傳統(tǒng)的聲學(xué)參數(shù)研究的基礎(chǔ)上,針對不太成熟的韻律參數(shù)、字詞搭配的關(guān)系進(jìn)行了研究,從實驗的

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