检索结果-内蒙古大学图书馆

南京理工大学学报 2018年第1期42卷 82-88页

作者：茅正冲王俊俊江南大学轻工过程先进控制教育部重点实验室江苏无锡214122

为了提高说话人识别系统的性能,该文在传统特征的基础上提出利用相位特征对听觉倒谱特征进行补偿的方法。该方法利用Teager能量算子(Teager energy operator,TEO)能够真实反映气流在通过声道系统呈现的涡流非线性作用的模型,再利用希尔... 详细信息

为了提高说话人识别系统的性能,该文在传统特征的基础上提出利用相位特征对听觉倒谱特征进行补偿的方法。该方法利用Teager能量算子(Teager energy operator,TEO)能够真实反映气流在通过声道系统呈现的涡流非线性作用的模型,再利用希尔伯特变换从TEO导出分析信号的瞬时相位信息,结合耳蜗倒谱系数(Cochlear filter cepstral coefficients,CFCC)得到融合特征参数。实现了对特征参数的补偿,提高了说话人识别系统的识别率。使用NIST-2002说话者识别评估(Speakers recognition evaluation,SRE)数据库,在高斯混合模型-通用背景模型(Gaussian mixture model-universal background model,GMM-UBM)的说话人识别系统上进行实验。实验结果表明TEO相位与CFCC的结合比单独CFCC更好,其识别精度比现有的CFCC特征和线性预测梅尔频率倒谱系数(Linear prediction Meyer frequency cepstral coefficient,LPMFCC)分别提高了8.32%和3.15%。这表明TEO相位包含与CFCC特征互补的信息,且具有较高的识别率。

关键词：能量算子耳蜗倒谱系数高斯混合模型-通用背景模型说话人识别

来源：评论

学校读者我要写书评

暂无评论

一种改进的基于GMM-UBM的法庭自动说话人识别系统

引用

中国科学院大学学报（中英文） 2013年第6期30卷 800-805页

作者：王华朋杨军吴鸣许勇中国科学院声学研究所噪声与振动重点实验室北京100190 中国刑事警察学院沈阳110854

对基于高斯混合模型(GMM)的法庭自动说话人识别系统进行改进.通过参考人群数据库降低了对嫌疑人语音样本数量的需求.以小规模背景人群数据库建立改进的基于高斯混合模型-通用背景模型(GMM-UBM)的法庭自动说话人识别系统.以固定电话信道... 详细信息

对基于高斯混合模型(GMM)的法庭自动说话人识别系统进行改进.通过参考人群数据库降低了对嫌疑人语音样本数量的需求.以小规模背景人群数据库建立改进的基于高斯混合模型-通用背景模型(GMM-UBM)的法庭自动说话人识别系统.以固定电话信道和移动手机信道的数据库进行了系统的测试.

关键词：似然比法庭自动说话人识别高斯混合模型-通用背景模型

来源：评论

学校读者我要写书评

暂无评论

自适应并行模型组合的鲁棒语音身份识别算法

引用

信号处理 2018年第7期34卷 867-875页

作者：李聪葛洪伟江南大学轻工过程先进控制教育部重点实验室江苏无锡214122 江南大学物联网工程学院江苏无锡214122

由于环境噪声的影响,实际应用中说话人识别系统性能会出现急剧下降。提出了一种基于高斯混合模型-通用背景模型和自适应并行模型组合的鲁棒性语音身份识别方法。自适应并行模型组合是一种噪声鲁棒性的特征补偿算法,能够有效减少训练环... 详细信息

由于环境噪声的影响,实际应用中说话人识别系统性能会出现急剧下降。提出了一种基于高斯混合模型-通用背景模型和自适应并行模型组合的鲁棒性语音身份识别方法。自适应并行模型组合是一种噪声鲁棒性的特征补偿算法,能够有效减少训练环境与测试环境之间的不匹配现象,从而提高系统识别准确率和抗噪性能。首先,算法从测试语音中估计出噪声特征,然后用一个单高斯模型对噪声特征进行拟合得到噪声均值和协方差。最后,根据得出的噪声均值和协方差,调整训练好的高斯混合模型均值向量和协方差矩阵,使其尽可能地匹配测试环境。实验结果表明,该方法可以准确地重构干净语音的高斯混合模型参数,并且能够显著提高说话人识别的准确率,特别是在低信噪比情况下。

关键词：说话人识别特征补偿并行模型组合高斯混合模型-通用背景模型噪声

来源：评论

学校读者我要写书评

暂无评论

TEO能量与Mel倒谱混合参数应用于说话人识别

引用

计算机仿真 2017年第8期34卷 215-219,264页

作者：杨瑞田周萍杨青桂林电子科技大学电子工程与自动化学院广西桂林541004

特征提取是说话人识别中非常重要的一个环节,特征提取的结果直接影响系统的识别结果。提出一种将TEO与MFCC及其衍生参数结合的方法,将本文提取的特征参数与传统的MFCC,WMFCC与△MFCC通过GMM-UBM与SVM模型得出结果并比较。并在不同环境... 详细信息

特征提取是说话人识别中非常重要的一个环节,特征提取的结果直接影响系统的识别结果。提出一种将TEO与MFCC及其衍生参数结合的方法,将本文提取的特征参数与传统的MFCC,WMFCC与△MFCC通过GMM-UBM与SVM模型得出结果并比较。并在不同环境下的进行实验,对算法进行了仿真实现。实验结果表明,在相同噪声背景不同信噪比时与相同信噪比不同的噪声背景这两种情况,提出的方法均得到了较好的结果,在检测纯语音数据时,对融合算法进行仿真实现,识别率也得到了提高。

关键词：说话人识别梅尔频率倒谱系数高斯混合模型-通用背景模型联合因子分析

来源：评论

学校读者我要写书评

暂无评论

SMFCC:一种新的语音信号特征提取方法

引用

计算机应用 2016年第6期36卷 1735-1740页

作者：汪海彬余正涛毛存礼郭剑毅昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学智能信息处理重点实验室昆明650500

针对说话人识别系统中存在的有效语音特征提取以及噪声影响的问题,提出了一种新的语音特征提取方法——基于S变换的美尔倒谱系数(SMFCC).该方法是在传统美尔倒谱系数(MFCC)的基础上利用S变换的二维时频多分辨率特性,以及奇异值分解(SVD... 详细信息

针对说话人识别系统中存在的有效语音特征提取以及噪声影响的问题,提出了一种新的语音特征提取方法——基于S变换的美尔倒谱系数(SMFCC).该方法是在传统美尔倒谱系数(MFCC)的基础上利用S变换的二维时频多分辨率特性,以及奇异值分解(SVD)方法的二维时频矩阵有效去噪性,并结合相关统计分析方法最终获得语音特征.采用TIMIT语音数据库,将所提的特征和现有特征进行对比实验.SMFCC特征的等错误率(EER)和最小检测代价(Min DCF)均小于线性预测倒谱系数(LPCC)、MFCC及其结合方法 LMFCC,比MFCC的EER和Min DCF08分别下降了3.6%与17.9%.实验结果表明所提方法能够有效去除语音信号中的噪声,提升局部分辨率.

关键词： S变换奇异值分解基于S变换的美尔倒谱系数高斯混合模型-通用背景模型说话人识别

来源：评论

学校读者我要写书评

暂无评论

基于信道信息的录音假冒者检测系统研究

引用

计算机仿真 2016年第2期33卷 460-464页

作者：王茂蓉周萍景新幸岳倩倩桂林电子科技大学电子工程与自动化学院广西桂林541004 桂林电子科技大学信息与通信学院广西桂林541004

说话人识别系统会受到假冒者的攻击,而用高保真录音设备录制的语音蓄意闯入说话人识别系统是常见的攻击方式之一。由于不同设备的信道信息不同,而语音中的静音部分又包含了完整的信道信息,且这部分信息不受说话人和文本等因素的影响,因... 详细信息

说话人识别系统会受到假冒者的攻击,而用高保真录音设备录制的语音蓄意闯入说话人识别系统是常见的攻击方式之一。由于不同设备的信道信息不同,而语音中的静音部分又包含了完整的信道信息,且这部分信息不受说话人和文本等因素的影响,因此可以通过检测语音中静音的信道信息是否相同,来判断语音是否为回放的高保真录音。应用自适应子带谱熵法提取语音中的静音,并通过使用改进后的MFCC作为信道信息特征,建立高斯混合-通用背景模型(GMM-UBM)。实验结果表明,通过加入静音检测模块到说话人识别系统中,系统对假冒语音的等错误率大大降低,使得系统的安全性得到提高。

关键词：说话人识别静音自适应子带谱熵信道信息梅尔倒谱系数高斯混合模型-通用背景模型

来源：评论

学校读者我要写书评

暂无评论

语种识别算法中GSV计算的定点仿真与实现

引用

计算机工程与设计 2012年第2期33卷 679-683页

作者：张丽杨镇西吉立新国家数字交换系统工程技术研究中心河南郑州450002

基于GSV-SVM的语种识别方法是目前最为流行的语种识别方法之一,其采用基于通用背景模型GMM-UBM的GSV作为声学模型,支持向量机SVM作为区分模型。大量仿真测试结果表明,GSV在整个系统中占的运算量为80%左右,是算法硬件实现的瓶颈。鉴于此... 详细信息

基于GSV-SVM的语种识别方法是目前最为流行的语种识别方法之一,其采用基于通用背景模型GMM-UBM的GSV作为声学模型,支持向量机SVM作为区分模型。大量仿真测试结果表明,GSV在整个系统中占的运算量为80%左右,是算法硬件实现的瓶颈。鉴于此,对基于GSV的硬件实现方法进行了研究,提出了一种快速GSV定点计算方法,其采用addlog运算简化对数似然函数的计算,完成了语种识别的高效定点实现。实验结果表明,该定点方法的识别率与浮点识别基本一致,满足应用要求。

关键词：语种识别高斯混合模型-通用背景模型 GMM超矢量定点实现 addlog运算

来源：评论

学校读者我要写书评

暂无评论

基于噪声的设备故障识别

基于噪声的设备故障识别

引用

作者：杨军磊华中科技大学

学位级别：硕士

随着国家现代化水平的不断提高和居民收入的日益增长,空调逐渐成为我们的生活中不可或缺的元素。空调在运行时会由于振动而产生噪声,噪声中包含空调运行过程中的状态信息。根据空调运行时产生的噪声不同,可以判断空调是正常运行还是发... 详细信息

随着国家现代化水平的不断提高和居民收入的日益增长,空调逐渐成为我们的生活中不可或缺的元素。空调在运行时会由于振动而产生噪声,噪声中包含空调运行过程中的状态信息。根据空调运行时产生的噪声不同,可以判断空调是正常运行还是发生故障。因此本文的主要研究内容是通过对空调噪声的识别,来判断空调是否发生故障以及发生故障的原因。本文首先将不同的声音特征应用于空调机组噪声中,通过对比不同声音特征在空调机组噪声识别中的表现,得出梅尔倒谱特征与短时能量特征的混合特征在机组噪声识别中取得了较好的结果。然后,通过对比高斯混合模型和高斯混合模型-通用背景模型的实验结果,得出GMM-UBM模型的识别率要优于GMM模型。因此系统中采用梅尔倒谱特征与短时能量特征的混合特征作为机组噪声的特征,GMMUBM模型作为识别模型。系统主要包括三个模块,预处理模块、模型建立模块和识别模块。预处理模块主要的功能为对声音信号进行预处理包括读取声音文件,对声音信号进行归一化、分帧、加窗和提取声音信号的特征。模型建立模块采用GMM-UBM作为识别模型,由预处理模块提取的特征作为训练数据训练识别模型。识别模块将预处理模块的输出特征向量与建立的模型进行匹配,得到特征向量所属的模型。识别模块的最终结果由置信度来确认,通过将结果与某一阈值进行比较来决定是否采纳识别结果。系统中采用了基于树的核心挑选算法在识别率下降0.3%的情况下使得系统的识别速度提高了4.52倍。

关键词：机组噪声识别高斯混合模型-通用背景模型梅尔倒谱系数核心挑选算法置信度

来源：评论

学校读者我要写书评

暂无评论

基于GMM-UBM的稳健的说话人识别技术研究

基于GMM-UBM的稳健的说话人识别技术研究

引用

作者：张黛华中科技大学

学位级别：硕士

说话人识别技术随着信息技术与模式识别技术的不断发展和我们的日常生活越发变得息息相关。尽管在实验室环境下,目前很多说话人识别系统都表现出了喜人的性能,但应用到实际中,它们的表现却很难令人满意。稳健的说话人识别技术研究就是... 详细信息

说话人识别技术随着信息技术与模式识别技术的不断发展和我们的日常生活越发变得息息相关。尽管在实验室环境下,目前很多说话人识别系统都表现出了喜人的性能,但应用到实际中,它们的表现却很难令人满意。稳健的说话人识别技术研究就是试图解决如何在实际环境下提高系统识别性能的问题。本文主要研究了高斯混合模型-通用背景模型(Gaussian Mixture Model-Universal Background Model,GMM-UBM)和I-矢量(Identity Vector,I-Vector)两种技术在说话人识别中的应用,并针对其在实际应用中的缺陷分别在稳健的特征提取、有效的信道补偿、简单的得分规整三个方面深入研究并提出相应的改进方法。梅尔频率倒谱参数(Mel Frequency Cepstral Coefficient,MFCC)得益于考虑了人的听觉原理和倒谱特性而具有分类性能优良与易于计算等卓越特点,因此常被用来作为描述说话人个性的特征参数。然而实际环境会导致MFCC分布非高斯化程度加剧。为降低训练与识别时MFCC分布间的差异,本文首先对MFCC进行RASTA滤波以降低卷积噪声和不同信道的影响,为去除由调制转换引起的卷积噪声对其进行倒谱均值减(Cepstral Mean Subtraction,CMS),再利用特征弯折重构每一维MFCC特征使其服从一个统一的分布。此外,结合MFCC差分系数以更好地描述帧与帧之间的联系。在基于GMM-UBM的打分阶段,对得分采用结合的规整技术进行归一化,不仅在一定程度上提高了系统的性能而且易于设定统一的判决阈值。目前,说话人识别发展所遇到的瓶颈就是如何克服训练和测试语音之间的信道变化。针对此问题,本文选择概率线性鉴别分析对I-Vector进行信道补偿。此外,本文在在首先对I-Vector空间进行方差谱规整以降低理想模型与实际模型之间的差异,在打分阶段提出一种简单的得分规整方法来规避由于质量差的语音所造成说话人被漏检的风险。最后针对不同的需求设计不同的方案并付诸于实验证实了本文所提出的方法是行之有效的。

关键词：说话人识别 Mel频率倒谱系数高斯混合模型-通用背景模型 I-矢量

来源：评论

学校读者我要写书评

暂无评论

基于发音动作参数的说话人确认技术研究

基于发音动作参数的说话人确认技术研究

引用

作者：张艳上海师范大学

学位级别：硕士

声纹识别是通过语音信号所蕴含的生理特性和个性行为特性对目标说话人身份进行识别的过程。与其他安全认证方式相比,声纹识别技术具有远程身份认证、认证方便、认证成本低廉的特质。由于这些特质声纹识别技术被广泛应用于商业领域。本... 详细信息

声纹识别是通过语音信号所蕴含的生理特性和个性行为特性对目标说话人身份进行识别的过程。与其他安全认证方式相比,声纹识别技术具有远程身份认证、认证方便、认证成本低廉的特质。由于这些特质声纹识别技术被广泛应用于商业领域。本文主要研究了发音动作参数的基于短时文本相关的说话人确认技术。发音动作特征是从语音合成领域借签而来的,因为发音动作参数与其他特征参数相比,发音动作参数具有的不受信道影响和环境影响的强鲁棒性。本文首先介绍了发音动作特征的提取过程、规整过程,同时也介绍了如梅尔倒谱系数、线性预测分析等传统的语音信号特征提取技术。并对发音动作特征和梅尔倒谱系数进行了同一个说话人的信号特征的差异的研究,对信号特征进行比较,从而得出发音动作参数优于梅尔倒谱系数的结论。在文本相关的声纹识别研究中,语音信号,语音特征提取和算法是影响声纹识别的关键因素。本文新建了一个数据库,基于该数据库,选取了不同维度的梅尔倒谱系数,使用传统的建模方法如高斯混合模型-通用背景模型、动态时间规整,对这些特征参数进行研究。发现在解决短时文本相关问题时,动态时间规整算法明显优于高斯混合模型-通用背景模型算法。发音动作参数由于其不受信道影响、环境影响、身体状况和情绪影响的特质,因而能够反映说话人身份信息。为了选择最有识别效果的发音动作参数,分别选取不同参考点下不同发音器官的发音动作参数,采用动态时间规整模型对话者身份进行验证。发现以上唇为参考点的发音动作参数识别效果最优。进而分别使用特征融合、系统融合技术,进一步降低声纹识别的等错误率。最后,本文对话者确认模型的训练部分进行改动,采用高斯混合模型-支持向量机话者确认技术,设计了发音动作参数基于高斯混合模型-支持向量机系统说话人确认框架。实验结果与发音动作参数基于动态时间规整算法的话者确认系统结果一致,而且高斯混合模型-支持向量机系统的识别结果优于动态时间规整系统。

关键词：声纹识别发音动作参数梅尔倒谱系数文本相关高斯混合模型-通用背景模型动态时间规整高斯混合模型-支持向量机

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：