資源描述：
《基于語(yǔ)音特征學(xué)習(xí)的說(shuō)話(huà)人確認(rèn)與帕金森診斷》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、基于語(yǔ)音特征學(xué)習(xí)的說(shuō)話(huà)人確認(rèn)與帕金森診斷重慶大學(xué)碩士學(xué)位論文（學(xué)術(shù)學(xué)位）學(xué)生姓名：謝文賓指導(dǎo)教師：李勇明副教授專(zhuān)業(yè)：信號(hào)與信息處理學(xué)科門(mén)類(lèi)：工學(xué)重慶大學(xué)通信工程學(xué)院二O一六年四月ResearchonSpeakerVerificationandParkinsonDiseaseDiagnosisbasedonVoiceFeatureLearningAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementforth
2、eMaster’sDegreeofEngineeringByXieWenbinSupervisor：AssociateProf.LiYongmingSpecialty：SignalandInformationProcessingCollegeofCommunicationEngineeringofChongqingUniversity，Chongqing，ChinaApril2016中文摘要摘要語(yǔ)音特征是一種重要的生物標(biāo)記物，已經(jīng)廣泛用于說(shuō)話(huà)人識(shí)別、疾病診斷等領(lǐng)域。其中，說(shuō)話(huà)人確認(rèn)與帕金森疾病診斷
3、是語(yǔ)音特征近年來(lái)應(yīng)用研究的熱點(diǎn)和難點(diǎn)。雖然相關(guān)研究取得了許多正面的進(jìn)展，極大的顯示了其應(yīng)用潛力，但在特征壓縮、樣本優(yōu)選、分類(lèi)器優(yōu)化等方面，還存在一定的問(wèn)題，而這些方面都是提高語(yǔ)音特征學(xué)習(xí)質(zhì)量的重要環(huán)節(jié)?；诖耍疚脑谙嚓P(guān)課題資助下，針對(duì)說(shuō)話(huà)人確認(rèn)和帕金森疾病診斷這兩個(gè)具體應(yīng)用問(wèn)題，研究了其語(yǔ)音特征壓縮、樣本優(yōu)選、分類(lèi)器優(yōu)化等環(huán)節(jié)，提出了三種改進(jìn)算法，實(shí)現(xiàn)了識(shí)別性能的提高。相關(guān)主要工作如下：①提出了一種多類(lèi)型語(yǔ)音特征封裝式進(jìn)化特征選擇框架算法，同時(shí)，基于該框架算法，給出了一種具體的實(shí)現(xiàn)方式—四類(lèi)型語(yǔ)
4、音特征封裝式遺傳特征選擇算法，為該框架算法給出了具體實(shí)現(xiàn)范例。本框架算法的提出，有利于解決目前缺乏相關(guān)方法標(biāo)準(zhǔn)化框架研究的問(wèn)題。②提出了一種極低信噪比環(huán)境下基于多類(lèi)型語(yǔ)音特征學(xué)習(xí)的說(shuō)話(huà)人確認(rèn)算法。首先設(shè)計(jì)了低信噪比下提取多種類(lèi)型語(yǔ)音特征的方法，尤其是引入了基音頻率提取算法。然后設(shè)計(jì)了基于CAGA和GMM-UBM的特征選擇分類(lèi)集成模型，通過(guò)對(duì)提取的特征進(jìn)行選擇實(shí)現(xiàn)融合，用于說(shuō)話(huà)人確認(rèn)。本算法的提出實(shí)現(xiàn)了面向極低信噪比環(huán)境下的說(shuō)話(huà)人確認(rèn)算法，有助于解決在這一應(yīng)用領(lǐng)域中存在的語(yǔ)音提取質(zhì)量低的問(wèn)題。③提出
5、了基于語(yǔ)音樣本重復(fù)剪輯算法和隨機(jī)森林的帕金森癥診斷算法，通過(guò)樣本重復(fù)剪輯算法實(shí)現(xiàn)對(duì)語(yǔ)音樣本的優(yōu)選，通過(guò)引入隨機(jī)森林實(shí)現(xiàn)對(duì)樣本的集成學(xué)習(xí)。該算法實(shí)現(xiàn)了對(duì)語(yǔ)音樣本的優(yōu)選，提高了樣本的質(zhì)量,將為目前基于語(yǔ)音的帕金森癥診斷研究提供新的研究思路和方法參考。本文為相關(guān)研究者提供了方法參考，為提高基于語(yǔ)音特征學(xué)習(xí)的模式分類(lèi)研究提供了新的思路，具有重要的研究意義。關(guān)鍵詞：說(shuō)話(huà)人確認(rèn)，特征選擇，極低信噪比，帕金森疾病診斷，重復(fù)剪輯近鄰算法I英文摘要ABSTRACTSpeechfeatureisanimportant
6、biologicalmarker,whichhasbeenwidelyusedinspeakerrecognition,diseasediagnosisandotherfields.Amongthem,thespeakerverificationanddiagnosisofParkinsondiseasearethehotanddifficultpointsintheapplicationofspeechfeatureinrecentyears.Althoughmuchpositiveprogre
7、sshasbeenmadeintherelatedresearch,therestillaresomeproblemsinfeaturecompression,sampleselection,classifieroptimizationetc,andtheseaspectsareimportantforimprovingthequalityofspeechfeaturelearning.Underthesupportofrelevantfunds,thispaperaimedtosolvethet
8、wospecificapplicationproblemsofthespeakerverificationanddiagnosisofParkinson’sdisease,studiedtherelevantproceduresincludingspeechfeaturecompression,sampleselection,classifieroptimizationandproposedthreealgorithms,therebyachievingobviousimprove
