版權說明: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,請進行舉報或認領
文檔簡介
1、隨著移動互聯(lián)網(wǎng)的快速發(fā)展,方便快捷的生物認證技術越來越受到重視。說話人識別又稱為聲紋識別,是生物認證技術的一種,其憑借更便捷、更安全、更經(jīng)濟的優(yōu)勢迎來了發(fā)展的契機,廣泛應用于通信網(wǎng)絡、商業(yè)交易、司法鑒定以及軍事安全等領域。
說話人識別的關鍵在特征提取與模型訓練上,其常用的語音特征有線性預測倒譜系數(shù)(LPCC)、梅爾頻率倒譜系數(shù)(MFCC)以及感知線性預測(PLP),其中MFCC與PLP的識別性能要優(yōu)于LPCC,但MFCC與PL
2、P分別作為單一特征用于說話人識別仍不能滿足一些領域的高精確性要求,而高斯混合模型(GMM)由于其方法簡單、識別性能優(yōu)良運用最為廣泛,但簡單的初始參數(shù)選擇方法使其有不穩(wěn)定、精確性不足等缺陷,基于此本文提出一種新的融合特征PLP-MFCC以及改進的GMM來提升識別的性能,主要工作內(nèi)容如下:
首先,介紹說話人識別中常用的特征參數(shù)LPCC、MFCC、PLP以及它們的提取過程,在分析F比與D比兩種特征參數(shù)評價方法后,通過F比和D比選出M
3、FCC與PLP中的部分特征進行融合,得到新的融合特征PLP-MFCC;
其次,研究GMM的建模方法,GMM訓練模型的過程就是其參數(shù)估計的過程,而參數(shù)估計中初始參數(shù)的選擇會影響訓練模型的精確性,初始參數(shù)的選取通常采用隨機法或K均值算法,在分析它們存在的一些問題后,將一種改進的K均值算法運用到GMM參數(shù)估計中對GMM進行改進;
最后,在Matlab平臺上構(gòu)建了基于高斯混合模型的說話人識別系統(tǒng),實驗采用標準的TIMIT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
- 基于混合高斯模型的說話人識別.pdf
- 基于高斯混合模型的說話人識別研究.pdf
- 基于高斯混合模型的說話人識別算法研究.pdf
- 基于高斯混合模型的說話人識別技術研究.pdf
- 基于改進的高斯混合模型的說話人識別的研究.pdf
- 基于高斯混合模型的說話人識別系統(tǒng)的研究.pdf
- 基于自適應高斯混合模型說話人識別的研究.pdf
- 基于量子遺傳高斯混合模型的說話人識別技術.pdf
- 基于改進高斯混合模型的說話人識別方法研究.pdf
- 基于高斯混合模型的與文本無關說話人識別的研究.pdf
- 自適應高斯混合模型及說話人識別應用.pdf
- 基于高斯混合模型的與文本無關的說話人識別算法的改進.pdf
- 基于矢量量化和高斯混合模型的說話人識別技術研究.pdf
- 基于線譜對系數(shù)和高斯混合模型的說話人識別技術研究.pdf
- 基于多特征決策融合的說話人識別研究.pdf
- 基于嵌入神經(jīng)網(wǎng)絡的高斯混合模型的說話人識別的研究.pdf
- 基于矢量量化(VQ)和混合高斯模型(GMM)的說話人識別的研究.pdf
- 基于語音混合特征說話人識別的研究.pdf
- 基于高斯混合模型的文本無關說話人年齡識別.pdf
- 基于高斯混合模型的與文本無關閉集說話人辨認研究.pdf
評論
0/150
提交評論