資源描述：
《說話人識別的自適應(yīng)算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、武漢理工大學(xué)碩士學(xué)位論文摘要本論文主要內(nèi)容是基于矢量量化(VQ)和隱馬爾可夫模型(HMM)的說話人識別算法的研究和改進。說話人識別是根據(jù)人的聲音來識別人的一種生物認證技術(shù)，具有非常好的應(yīng)用前景。而矢量量化和隱馬爾可夫模型相結(jié)合則是在說話人識別領(lǐng)域中應(yīng)用最廣泛，效果最好的手段之一。作者對說話人識別的各個環(huán)節(jié)的相關(guān)知識進行了廣泛學(xué)習(xí)，其中包括語音信號預(yù)處理、獲取特征量以及基于不同模型的識別方法。在研究過程中，重點對識別方法，即識別算法方面做了下列三個方面的工作：(1)基于VQ的說話人識別研究：適合于特定人識別，但該方法對于由說話人差別引起的語音特征的
2、變化卻無能為力。(2)基于}m蹦的說話人識別研究：適合于非特定人識別，因為它作為統(tǒng)計模型能夠吸收由不同說話人引起的語音特征的變化。(3)基于模糊矢量量化以及隱馬爾可夫模型(FVQ／HMM)的說話人識別研究：FVQ／HMM作為HMM的特殊形式，其模型參數(shù)數(shù)量較傳統(tǒng)HMM少，模型學(xué)習(xí)對訓(xùn)練數(shù)據(jù)量要求不高；具有學(xué)習(xí)收斂速度快，適合于實時自適應(yīng)學(xué)習(xí)；識別速度快，適合于實時大詞匯量連續(xù)語音識別等特點。另外，它和傳統(tǒng)分段VQ識別方法相比，F(xiàn)VQ／H／lN可以得到最佳的分段效果，且通過模糊c一均值(FCM)聚類分析減少了碼本的量化誤差。關(guān)鍵詞：說話人識別，自適
3、應(yīng)，矢量量化，隱馬爾可夫模型，模糊矢量量化武漢理工大學(xué)碩士學(xué)位論文AbstractThesubstanceofthismagisterialthesisistheresearchandimprovementofspeakerrecognitionwhichisbasedontheVQ(VectorQuantization)andHMM(HiddenMarkovModel)．Withcheerfulprospect，speakerrecognitionisabiometricsthatrecognizespeopleviatheirvoice，an
4、dthecombinationofVQandHMMisoneofthebestandmostprevailingmethodinthefieldofspeakerrecognition．Theauthorwidelystudiestheknowledgeofeverypartofspeakerrecognitionwhichinvolvesvoicesignalpreprocessing，charactervectorextractingandrecognitionmethodbasedondifierentmodel．Duringthiswor
5、k，themainbodyistherecognitionmethod，namely,recognitionalgorithm．Threeaspectsofitareasfollows：(1)StudyofspeakerrecognitionbasedonVQ：ItisapplicabletoSD(SpeakDependent)recognitionbutunabletodealwiththevarietyinvoicecharacterwhichresultfromdifferentspeaker．(2)Studyofspeakerrecogn
6、itionbasedonHMM：Asakindofstatisticalmodel，itisapplicabletoSl(SpeakIndependent)recognitionbecauseitincludesthevarietyinvoicecharacterwhichresultfromdifferentspeaker．(3)StudyofspeakerrecognitionbasedonFVO(FuzzyVQ)／HMM：ItisthespecialformofHMM．ComparedwithoriginalHMM，ithaslesspar
7、ameterstoreducetrainingdataforlearning，higherconstringencyspeedoflearningtobeapplicabletoreal—timeself-adaptinglearningandhigherrecognitionspeedtobeapplicabletoreal．timecontinuousvoicerecognitionwithlargevocabular弘ComparedwithoriginaldivisionVQ，ithasbeaereffectofdivisionandle
8、ssquantizationerrorofcodebookbyFCM(FuzzyC—Means)clusteringanalysis．K
