基于深度學(xué)習(xí)的與文本無(wú)關(guān)話者確認(rèn)研究

《基于深度學(xué)習(xí)的與文本無(wú)關(guān)話者確認(rèn)研究》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、來(lái)＇；！＊￥岳盧奪留鐘參名來(lái)大賽ＵｎｉｖｅｒｓｉｔｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｏｆＣｈｉｎａｙｇｙ碩±學(xué)位論文＇—－＇Ｖ＃ｔ．、：試？：取成坪：Ｖ＾＾ｓ：：；；吁氣＇．、！纖：典，畔，論義題目基于深度學(xué)習(xí)的與文木無(wú)關(guān)巧者確認(rèn)巧堯作者姓名吳明輝學(xué)科專業(yè)化洛與條統(tǒng)導(dǎo)師姓名專辭到教投完成時(shí)間二〇—六年五月木擔(dān)＃《若乂大賽碩±學(xué)位論文嚷基于本無(wú)！醫(yī)誠(chéng)霜作者姓名：吳明輝學(xué)科專業(yè)：電路與系統(tǒng)專業(yè)導(dǎo)師姓名：李輝

2、副教授一、ｍｉｉＵｎｉｖｅ巧ｉｔｙｏｆＳｃｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙｏｆＣｈｎａ’ＡｄｉｓｓｅｒｔａｔｉｏｎＩｂｒｍａｓｔｅｒｓｄｅｇｒｅｅ＃Ｒｅｓｅａｒｃｈｏｎｔｅｘ－ｔｉｎｄｅｐｅｎｄｅｎｔｓｐｅａｋｅｒｖｅｒｉｆｉｃａｔｉｏｎｂａｓｅｄｏｎｄｅｅｐｌｅａｒｎｉｎｇＡｕｔｈｏｒ：ＭｉｎｈｕｉＷｕｇＳｅｃｉａｌｉｔ：Ｃｉｒｃｕｉｔｓａｎｄｓｓ化ｍｐｙｙＳｕｅｒｖｉｓｏｒＡｉｔＰｒ．ＨｕｉＬｉｐ：ｓｓｏｃａｅｏｆＦｉｎｉ

3、ｓｈｅｄＴｉｍｅ；Ｍａ２０１６ｙ，一、中國(guó)科學(xué)技術(shù)大學(xué)學(xué)位論文原創(chuàng)性聲明本人聲明所呈交的學(xué)位論文，是本人在導(dǎo)師指導(dǎo)下進(jìn)行研巧工作所取得的成果。除己恃別加Ｗ標(biāo)注和致謝的地方外，論文中不包含任何他人己經(jīng)發(fā)表或撰寫過的研巧成果－。與我同工作的同志對(duì)本研巧所做的貢獻(xiàn)均己在論文中作了明確的說(shuō)明。作者簽名：簽字日期：居．中國(guó)科學(xué)技術(shù)大學(xué)學(xué)位論文授權(quán)使用聲明一作為申請(qǐng)學(xué)位的條件之，學(xué)位論文著作權(quán)擁有者授權(quán)中國(guó)科學(xué)技術(shù)大學(xué)擁有學(xué)位論文的部分使用權(quán)，即：學(xué)校有權(quán)按有關(guān)規(guī)定向國(guó)家有關(guān)部口或機(jī)構(gòu)，

4、允許論文被査閱和借閱＾送交論文的復(fù)印件和電子版，可文將學(xué)位論文編入《中國(guó)學(xué)位論文全文數(shù)據(jù)庫(kù)》等有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可Ｗ采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。本人提交的電子文培的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致。保密的學(xué)位論文在解密后也進(jìn)守此規(guī)定。白４開□保密年作者篇名：灰＾鳴導(dǎo)師簽名：＾丈；ｉ簽字日期：簽字日期７／ｏＬＬ摘要摘要一隨著科學(xué)技術(shù)的不斷進(jìn)步，電話己經(jīng)成為人們?nèi)粘Ｉ钪胁豢苫蛉钡牟浚崳姺帧Ｔ谏矸菡J(rèn)證技術(shù)研巧領(lǐng)域，越來(lái)越多的研究人員開始關(guān)注如何使用電話語(yǔ)音進(jìn)行身份認(rèn)

5、證，因?yàn)橄鄬?duì)于其它身份認(rèn)證技術(shù)來(lái)說(shuō)，使用電話語(yǔ)音進(jìn)斤身份認(rèn)證所需的設(shè)備簡(jiǎn)單、成本低、易獲取，更重要的是在使用電話語(yǔ)音進(jìn)行身份一認(rèn)證的過程中，用戶不需要接觸設(shè)備，只需要簡(jiǎn)單的說(shuō)句話，，便可完成認(rèn)證大大提商了用戶的接受率。另外，說(shuō)話人確認(rèn)技術(shù)還是語(yǔ)音識(shí)別技術(shù)研巧領(lǐng)域的一個(gè)重要研巧方向，所Ｗ說(shuō)話人確認(rèn)技術(shù)的研巧不僅具有重要的理論研究意義而且還具有廣泛的應(yīng)用前景。目前在說(shuō)話人確認(rèn)研巧領(lǐng)域中，主流的說(shuō)話人建模方法都是基于概率統(tǒng)計(jì)模型的，其中最具代表性的概率統(tǒng)計(jì)說(shuō)話人模型當(dāng)屬離斯混合模型（ＧａｕｓｓｉａｎＭｉ

6、ｘｔｕｒｅＭｏｄｅｌ，ＧＭＭ）。髙斯混合模型采用非常多的高斯概率密度函數(shù)分量，對(duì)說(shuō)話人的語(yǔ)音特征分布進(jìn)行了較好的描述，從而取得了不錯(cuò)的效果；但說(shuō)話人確認(rèn)是一個(gè)二元分類問題一，而商斯海合模型只是種概率生成性模型，其區(qū)分能力非常有限，所Ｗ需要尋找同時(shí)具有強(qiáng)大表征能力和很強(qiáng)區(qū)分能力的模型進(jìn)行說(shuō)話人建模。近年來(lái)，深度學(xué)習(xí)（ＤｅｅＬｅａｒｎｉｎ，ＤＬ）理論在模式識(shí)別領(lǐng)ｐｇ域掀起了一股非常大的研究熱潮一個(gè)復(fù)雜的神經(jīng)網(wǎng)絡(luò)橫型，其出發(fā)點(diǎn)是想構(gòu)建來(lái)模擬人腦的思維方式，然后對(duì)數(shù)據(jù)進(jìn)行分析和處理。目前深度學(xué)習(xí)理論所依

7、托的實(shí)現(xiàn)載體是深度神經(jīng)網(wǎng)絡(luò)（ＤｅｅｐＮｅｕｒａｌＮｅｔｗｏｒｋ，ＤＮＮ）。深度神經(jīng)網(wǎng)絡(luò)憑借多隱層的結(jié)構(gòu)特點(diǎn)，使得其具有很好的表征能力和區(qū)分能力，目前在摸式識(shí)別的諸多研巧方向都取得了成功應(yīng)用。本文主要研巧內(nèi)容就是將具有強(qiáng)大表征能力及區(qū)分能力的深度神經(jīng)網(wǎng)絡(luò)應(yīng)用于說(shuō)話人確認(rèn)系統(tǒng)中進(jìn)行說(shuō)話人建模，構(gòu)建基于深度神經(jīng)網(wǎng)絡(luò)的話者確認(rèn)系統(tǒng)，針對(duì)建模過程中深度神經(jīng)網(wǎng)絡(luò)輸入特征的選擇、網(wǎng)絡(luò)結(jié)構(gòu)Ｗ及網(wǎng)絡(luò)訓(xùn)練方法等關(guān)鍵問趙進(jìn)行了深入的研巧，并對(duì)多種基于深度神經(jīng)網(wǎng)絡(luò)的說(shuō)話人確認(rèn)系統(tǒng)的結(jié)構(gòu)及性能進(jìn)行對(duì)比。首先—，介紹了

8、目前說(shuō)話人確認(rèn)技術(shù)研巧領(lǐng)域最為經(jīng)典的概率統(tǒng)計(jì)模型高斯混合模型，并對(duì)其原理進(jìn)行了詳細(xì)闡述。針對(duì)其應(yīng)用于說(shuō)話人確認(rèn)系統(tǒng)－－中使用的ＧＭＭＵＢＭ結(jié)構(gòu)進(jìn)行了深入的討論，并對(duì)ＧＭＭＵＢＭ說(shuō)話人模型訓(xùn)練過程中使用的ＭＡＰ算法進(jìn)行介紹，然后通過實(shí)驗(yàn)分析了混合度的選取對(duì)