

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、實用背景下,電話(手機)語音的文本無關(guān)的說話人確認已成為當前說話人識別研究的重點,將區(qū)分性強的支持向量機SVM用于確認問題是個合理的選擇,然而將目前常用的短時倒譜參數(shù)MFCC用于文本無關(guān)的說話人確認需要較長的語音,因此,SVM作為話者模型時將會遇到大訓練樣本、兩類數(shù)據(jù)混疊嚴重等問題,使SVM的建模十分困難。概率統(tǒng)計模型GMM可以對大量語音數(shù)據(jù)的統(tǒng)計分布特征進行描述,能有效地表示出目標說話人的特性,且具有較好的魯棒性,從而成為文本無關(guān)的說
2、話人識別的主要模型,但GMM建模只是對目標說話人一類數(shù)據(jù)進行的。 針對SVM用于文本無關(guān)的說話人確認的問題,論文將概率統(tǒng)計模型GMM用于基于SVM的文本無關(guān)說話人確認,對SVM話者模型的建模策略、用于SVM模型的特征變換、說話人確認系統(tǒng)中的確認閾值設(shè)置和評分規(guī)整等方面進行了深入研究。 首先,對于SVM話者模型的建模策略,論文為每個目標話者訓練一個SVM模型。針對模型訓練時冒認話者數(shù)量眾多影響訓練效率的問題,論文提出了兩種
3、基于GMM的冒認話者選擇方法,通過GMM的似然度評分來選取少量與目標話者最接近的冒認話者作為訓練數(shù)據(jù),不僅極大地減少了訓練數(shù)據(jù)量,提高了模型的訓練效率,而且使模型具有更好的區(qū)分性。 其次,論文提出了基于GMM聚類特征變換的SVM說話人確認方法,通過GMM聚類的特征變換,突出了說話人個性信息,大大降低了特征樣本數(shù),減少了兩類數(shù)據(jù)的混疊,使得SVM話者模型建模變得簡單、有效。為了進一步提高變換特征的可比性和魯棒性,論文提出了基于統(tǒng)一
4、模型(UM)的GMM聚類方法,對各個特征數(shù)據(jù)集的聚類都由統(tǒng)一模型UM通過最大后驗概率(MAP)自適應獲得,實現(xiàn)了對不同特征數(shù)據(jù)集的聚類“規(guī)整”,提高了系統(tǒng)的區(qū)分能力。 針對基于UM-MAP的GMM聚類特點,論文義提出了一種改進的變換參數(shù)提取方法,通過UM進一步對變換特征進行規(guī)整,有效地提高了變換參數(shù)的區(qū)分性和魯棒性。NIST數(shù)據(jù)庫上的話者確認實驗表明,基于特征規(guī)整變換方法的UM-MAP norm/SVM系統(tǒng)相比主流的GMM-UB
5、M系統(tǒng),在EER性能上相對提高了21.6%。 再次,論文研究了另外一種將GMM和SVM相結(jié)合的方法——GMM-SVM組合話者模型,將GMM作為話者模型的一部分和SVM共同組成話者模型。GMM作為前級模型主要起了兩個作用,對特征數(shù)據(jù)集進行有區(qū)分性的特征變換及數(shù)據(jù)壓縮,并以其多維概率輸出作為后級模型SVM的輸入矢量。NIST數(shù)據(jù)庫上的實驗證明,基于GMM-SVM組合話者模型的話者確認系統(tǒng)在EER性能上相對基準的GMM-UBM系統(tǒng)提
6、高了14.9%,表明了組合的有效性。最后,論文還對說話人確認中的確認閾值設(shè)置和輸出評分規(guī)整進行了研究。說話人確認中不同目標話者模型輸出評分分布的不一致性,導致統(tǒng)一確認閾值設(shè)置困難,論文提出了一種新的組合評分規(guī)整方法——TZ-norm規(guī)整,通過對輸出評分的整體規(guī)整,不僅提高了系統(tǒng)性能,而且有效降低了確認閾值選取的復雜度。NIST數(shù)據(jù)庫上文本無關(guān)的說話人確認實驗證明了新方法對統(tǒng)一確認閾值選取的有效性。 論文的研究工作得到了國家自然科
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
- 基于VQ和GMM的與文本無關(guān)的說話人識別研究.pdf
- 文本無關(guān)的多說話人確認研究.pdf
- 基于GMM和高層信息特征的文本無關(guān)說話人識別研究.pdf
- 基于SVM的與文本無關(guān)的說話人識別算法研究.pdf
- 基于SVM的文本無關(guān)說話人識別算法研究.pdf
- 基于SVM的文本無關(guān)話者確認研究.pdf
- 基于區(qū)分性說話人模型的與文本無關(guān)說話人確認研究.pdf
- 基于文本無關(guān)的說話人識別.pdf
- 文本無關(guān)說話人確認及其應用研究.pdf
- 基于SVM的與文本無關(guān)的說話人識別系統(tǒng)研究.pdf
- 文本無關(guān)的說話人識別研究.pdf
- 基于矢量量化的與文本無關(guān)的說話人確認系統(tǒng)的研究.pdf
- 基于SVM和GMM的說話人辨識方法研究.pdf
- 基于話者統(tǒng)計特征和SVM的文本無關(guān)話者確認研究.pdf
- 基于文本無關(guān)的說話人識別技術(shù)研究.pdf
- 基于文本無關(guān)的說話人識別技術(shù)的研究.pdf
- 信道魯棒的與文本無關(guān)說話人確認系統(tǒng).pdf
- 基于VQ的文本無關(guān)說話人識別研究.pdf
- 與文本無關(guān)的說話人確認系統(tǒng)的信道魯棒性研究.pdf
- 基于因子分析的與文本無關(guān)的說話人辯認方法研究.pdf
評論
0/150
提交評論