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、隨著信息技術(shù)的發(fā)展,人們的交互手段越來越多樣化,對身份鑒別的要求隨之越來越高.生物認證技術(shù)基于人們自身的生理和行為特征進行身份鑒別,以其獨特的優(yōu)勢,日益顯示出它的價值.說話人識別技術(shù)被認為是最自然的生物認證技術(shù),它是一項根據(jù)語音中反映的說話人生理和行為特征的語音參數(shù),自動識別說話人身份的技術(shù).近年來,說話人識別技術(shù)已成為研究領(lǐng)域的一大熱點.然而,說話人識別技術(shù)應(yīng)用于實際環(huán)境,還存在著很多難點,實時性不夠就是其中之一.在詳細分析說話人識別
2、的最新的研究進展和主要特點的基礎(chǔ)上,該文試圖用多元統(tǒng)計分析中的兩種方法:主成分分析和線性判別分析解決這個問題.該文的第一個工作是研究了主成分分析(PCA)的最優(yōu)降維性質(zhì)在說話人識別中的應(yīng)用.在說話人識別系統(tǒng)中,通常訓(xùn)練說話人模型需要很長的時間,特別當(dāng)說話人特征的維數(shù)很高時.主成分分析是一種在均方誤差前提下最優(yōu)的線性降維方法,通過將原始特征向量向更小的子空間上投影,主成分分析達到了降維和去冗余的目的.因此,經(jīng)過降維,損失的特征信息最少,在
3、保證識別性能的同時,后續(xù)階段的計算開銷將會大大減少.據(jù)此,該文將主成分分析方法應(yīng)用到說話人識別中,并提出了兩種新的基于PCA特征變換的說話人鑒別系統(tǒng).實驗結(jié)果顯示,主成分分析在說話人特征的降維和降噪方面都取得了不錯的效果.該文的第二個工作是研究了線性判別分析(LDA)的區(qū)分性變換在說話人識別中的應(yīng)用.線性判別分析在形式上同主成分分析很相似,但兩者在原理上有本質(zhì)的差別.主成分分析關(guān)注的是尋找能最高效表達原數(shù)據(jù)信息的方向,而線性判別分析的重
4、心則在尋找最能區(qū)分不同類數(shù)據(jù)的方向.線性判別分析方法使得類間距離與類內(nèi)距離的比值最大,所以,經(jīng)過線性判別分析變換,所獲得的新的數(shù)據(jù)將達到最大的區(qū)分性.該文將線性判別分析方法應(yīng)用到說話人識別中,以獲得更具區(qū)分性的說話人特征,并提出了一種新的基于LDA特征變換的說話人鑒別系統(tǒng).該系統(tǒng)同樣在無噪語音和有噪語音的情況下,都取得了很好的效果;在某些情況下,識別性能還優(yōu)于基于PCA變換的系統(tǒng).該文的第三個工作是研究了主成分分析方法的分類性質(zhì).現(xiàn)有的
5、說話人分類方法,它們或者雖然取得了較好的識別率,但計算復(fù)雜度很高;或者雖然計算速度較快,但在說話人人數(shù)增多時,識別率會急劇下降.根據(jù)主成分分析的定義,它本質(zhì)上具有分類的能力.在該文中,我們研究了主成分分析方法的分類依據(jù),并提出了一種基于主成分子空間的新的PCA分類器.我們將其同另一種PCA分類器進行決策融合,獲得混合PCA分類器,以加強分類能力.我們將這三種分類器應(yīng)用到說話人識別中,并取得了令人鼓舞的效果;復(fù)雜度分析驗證了PCA分類器在
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(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。
最新文檔
- 基于PCA與LDA的表情識別算法研究.pdf
- 基于pca與lda的表情識別算法研究
- 基于PCA和LDA的虹膜識別研究.pdf
- 基于VQ與GMM的說話人識別.pdf
- 基于MFCC與IMFCC的說話人識別研究.pdf
- 基于EMD的說話人識別研究.pdf
- 基于統(tǒng)計模型的說話人識別研究與實現(xiàn).pdf
- 說話人識別算法研究與說話人辨認系統(tǒng)實現(xiàn).pdf
- 基于遷移PLDA的說話人識別研究.pdf
- 基于深度學(xué)習(xí)的說話人識別研究.pdf
- 基于GMM說話人分類的說話人識別系統(tǒng)研究.pdf
- 基于說話人識別信道補償?shù)难芯?pdf
- 基于動態(tài)MFCC的說話人識別研究.pdf
- 基于特征組合的說話人識別研究.pdf
- 基于稀疏表示的說話人識別研究.pdf
- 基于聲門特征的說話人識別研究.pdf
- 基于MFCC說話人識別算法研究.pdf
- 基于深度置信網(wǎng)絡(luò)的說話人識別研究與實現(xiàn).pdf
- 綜合PCA+LDA算法的智能人臉識別技術(shù)研究.pdf
- 基于改進PCA和LDA的特征提取方法.pdf
評論
0/150
提交評論