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)
文檔簡介
1、聲紋識(shí)別是人工智能AI和身份安全認(rèn)證的主要技術(shù)之一,圍繞“智能時(shí)代,數(shù)字經(jīng)濟(jì)”的主題下,實(shí)現(xiàn)計(jì)算機(jī)與人之間的智能交流,聲紋識(shí)別將是必不可少的科學(xué)技術(shù)關(guān)隘。
本文的具體工作如下:以聲紋識(shí)別的整體結(jié)構(gòu)為路線,先是分析目前聲紋識(shí)別的技術(shù)和基本概念,再逐一講解聲紋識(shí)別的三大部分——前期處理、特征參數(shù)和模式識(shí)別。
本文的主要內(nèi)容和創(chuàng)新點(diǎn)如下:
(1)傳統(tǒng)雙門限法和音量閾值法由于只使用固定的閾值來檢測(cè)語音段,不能隨著環(huán)
2、境變化而修正閾值參數(shù),抗噪性能差,本文提出一種凹點(diǎn)分析端點(diǎn)檢測(cè)的方法,配合基因周期過濾大音量噪聲,實(shí)現(xiàn)語音段的精確檢測(cè)。實(shí)驗(yàn)表明,即使信噪比逐漸上升,改進(jìn)的算法也優(yōu)于傳統(tǒng)雙門限法和音量閾值法的抗噪性能,并且低信噪比時(shí)仍能有效檢測(cè)語音端點(diǎn)。
(2) MEL倒譜系數(shù)(MFCC)作為特征參數(shù)有很多優(yōu)點(diǎn),而MFCC的濾波器個(gè)數(shù)和階數(shù)都是按傳統(tǒng)的24濾波器12維來運(yùn)算,為了提高識(shí)別的效率和準(zhǔn)確率,本文提出用增減分量分別檢驗(yàn)MFCC每個(gè)倒
3、譜系數(shù)ci的貢獻(xiàn)度,改進(jìn)濾波器個(gè)數(shù)和倒譜系數(shù)維數(shù),通過新的倒譜系數(shù)的組合來改進(jìn)MFCC的性能。
(3)傳統(tǒng)的單一的MFCC參數(shù)抗噪性能比較差,不足以抵抗復(fù)雜環(huán)境下的噪聲,本文提出一種全新的混合倒譜特征參數(shù),添加具有很強(qiáng)抗噪性能的Gammatone濾波器的倒譜特征參數(shù)(GFCC),配合體現(xiàn)幀與幀之間動(dòng)態(tài)特性的差分MFCC和差分GFCC,得到(MFCC+△MFCC+GFCC+△GFCC)的混合倒譜特征參數(shù),經(jīng)過實(shí)驗(yàn)表明,新的混合倒
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。
最新文檔
- 基于Mel倒譜技術(shù)的聲紋識(shí)別.pdf
- 聲紋識(shí)別
- 基于倒譜特征的說話人識(shí)別方法研究.pdf
- 基于GMM的聲紋識(shí)別技術(shù)的研究.pdf
- 基于Android的聲紋識(shí)別和語音識(shí)別的設(shè)計(jì).pdf
- 基于聲紋識(shí)別的說話人身份確認(rèn)方法的研究.pdf
- VQ聲紋識(shí)別算法的研究.pdf
- 基于雙序混合最優(yōu)碼本的聲紋識(shí)別系統(tǒng)研究.pdf
- 基于雙層決策模型的實(shí)時(shí)聲紋識(shí)別研究.pdf
- 聲紋識(shí)別技術(shù)研究.pdf
- 基于小波MFCC和HMM的列車鳴笛識(shí)別方法研究.pdf
- 基于GMM的聲紋識(shí)別系統(tǒng)研究.pdf
- 基于FPGA的聲紋識(shí)別的研究與設(shè)計(jì).pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的聲紋識(shí)別的研究.pdf
- 基于聲紋識(shí)別的門禁系統(tǒng)設(shè)計(jì).pdf
- 基于語音分離的聲紋識(shí)別技術(shù)研究.pdf
- 基于融合基頻特征的聲紋識(shí)別技術(shù)研究.pdf
- 聲紋識(shí)別系統(tǒng)研究.pdf
- 基于優(yōu)化語音提取的聲紋識(shí)別系統(tǒng).pdf
- 基于混合高斯模型和倒譜變換的歌手識(shí)別算法研究.pdf
評(píng)論
0/150
提交評(píng)論