說(shuō)話人識(shí)別中特征提取的方法研究.pdf_第1頁(yè)
已閱讀1頁(yè)，還剩69頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(jiǎn)介

1、說(shuō)話人識(shí)別作為生物認(rèn)證技術(shù)的一種,是根據(jù)語(yǔ)音波形中反映說(shuō)話人生理和行為特征的語(yǔ)音參數(shù),自動(dòng)鑒別說(shuō)話人身份的一項(xiàng)技術(shù).說(shuō)話人識(shí)別技術(shù)以其獨(dú)特的方便性、經(jīng)濟(jì)性和準(zhǔn)確性等優(yōu)勢(shì)受到世人矚目,并日益成為人們?nèi)粘Ｉ詈凸ぷ髦兄匾移占暗陌踩?yàn)證方式.因此,研究一種識(shí)別率高、魯棒性強(qiáng)的說(shuō)話人識(shí)別方法是國(guó)內(nèi)外眾多研究者努力的目標(biāo).在眾多的說(shuō)話人識(shí)別方法中,本文重點(diǎn)研究了基于Mel頻率倒譜系數(shù)(Mel-frequency Cepstrum Coeffic

2、ients,簡(jiǎn)稱MFCC)特征和高斯混合模型的說(shuō)話人識(shí)別系統(tǒng),結(jié)合F比、主分量分析和獨(dú)立分量分析等方法做了以下研究工作:(1)對(duì)比了常用特征LPCC(Linear Predictive Cepstral Coefficients,簡(jiǎn)稱LPCC)、ACW(Adaptive Components Weighting,簡(jiǎn)稱ACW)和MFCC對(duì)系統(tǒng)識(shí)別性能的影響,并通過(guò)實(shí)驗(yàn)驗(yàn)證了使用MFCC特征可以使得系統(tǒng)取得較高識(shí)別率.(2)在MFCC的基礎(chǔ)

3、上,討論了加入歸一化短時(shí)能量的MFCC以及提取MFCC的過(guò)渡信息對(duì)系統(tǒng)識(shí)別性能的影響.并利用F比這種特征評(píng)價(jià)方法來(lái)選取特征分量,驗(yàn)證了F比方法的有效性.(3)借助于F比方法直接選取MFCC中對(duì)識(shí)別性能貢獻(xiàn)較大的特征分量,并給出一種基于MFCC特征的加權(quán)F比方法.(4)將主分量分析和F比方法應(yīng)用于MFCC特征提取過(guò)程之中,去除了特征分量之間的相關(guān)性,同時(shí)又可以選取出區(qū)分度最大的特征分量.(5)將獨(dú)立分量分析和F比方法應(yīng)用于MFCC特征提取

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)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

評(píng)論

0/150

提交評(píng)論