資源描述：
《基于GMMUBMSVM的哈薩克語話者識別技術研究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。
1、廈門大學碩士學位論文基于GMM--UBM/SVM的哈薩克語話者識別技術研究姓名：張奔申請學位級別：碩士專業(yè)：軟件工程指導教師：曾文華201204摘要當前對話者識別技術的研究已經(jīng)成為一個比較熱門的話題，而以哈薩克語作為研討對象還處于起步階段。隨著社會的發(fā)展，電話和手機的普及，電話語音在日常生活中占有一定的地位，新疆作為一個多民族的地區(qū)，由于哈薩克語語音的特性，與漢語之間的語言差異很大，因此，研究哈薩克語說話人識別技術是新疆經(jīng)濟發(fā)展的一個緊迫任務。另外，它的研究還將促進其他相似語言體系的語音研究工作，如維吾爾語、柯爾克孜語以及阿拉伯語等。因此開發(fā)以哈薩克語作為
2、研討對象的技術具有很大的應用價值和實際意義。本文結(jié)合哈薩克語的發(fā)音特點規(guī)律，為實現(xiàn)一個面向?qū)嶋H應用話者識別系統(tǒng)，主要做以下工作：(1)根據(jù)哈薩克語語音庫的設計規(guī)范，建立了50人的哈薩克電話自由會話語音庫。(2)針對在大樣本情況下僅采用聲道倒譜特征參數(shù)時的支持向量機(SvM)話者模型訓練效率低，本文提出了一種結(jié)合統(tǒng)計特征參數(shù)的GMM-UBM(混合高斯模型一統(tǒng)一背景模型)話者模型，由目標說話人和背景說話人的混合高斯模型提取的話者統(tǒng)計模型訓練建立SVM話者模型。有效的解決了SVM訓練時的大樣本問題。(3)研究討論了語音信號中所攜帶的激勵特征及其動態(tài)參數(shù)對話者識別
3、性能的影響，提出了一種以激勵源信息作為輔助系統(tǒng)的主從系統(tǒng)策略，主系統(tǒng)采用GMM-UBM模型，輔助系統(tǒng)為SVM模型，進一步提高了系統(tǒng)的識別率。(4)在嵌入式Linux下利用Perl語言及C語言編寫了以哈薩克語作為研討對象的話者識別系統(tǒng)。(5)基于GMM_UBM／SⅧ的方法在50個目標人訓練集時，在目標人測試數(shù)據(jù)在20秒左右時，該提案方法G刪一UBM／SvM的識別精度達到94％。關鍵詞：說話人識別；哈薩克語；GMM-UBM；SVMAbstractInrecentyears，thestudytothespeakerrecognitiontechnologyhas
4、becomeahottopicathomeandabroad，whilethespeakerrecognitionsystemofkazakhhasbeeninitial．W池thepopularityoftelephoneandmobilephone，telephonevoiceplaysanimportantroleindailylife，andtheuseoftelephonevoiceforspeakerrecognitionhasbeenconvenient,Therefore，ithasgreatvalueandpracticalsignifi
5、cancetobulidthespeakerrecognitionsystemofkazakh．Inthispaper,wecombinesthecharacteristicsandrulesofkazaidapronunciationtoachieveapracticalapplication-orientedspeakerrecognitionsystem，mainlytodothefollowingwork：(1)Accordingtothedesignrulerofkazakhspeechdatabase，weestablished50phonef
6、reeconversationspeechdatabaseofkazakh．(2)Forthecaseofusingonlychannelcepstrumparametersofsupportvectormachine(SVM)speakermodeltrainingandlowefficiencyinlargesamples，thispaperproposesacombinationofstatisticalparametersoftheGMM-UBMspeakermodel，theTargetspeakerandthebackgroundspeaker
7、'sGaussianmixturemodel(GMM)wereextracted，thenbuildstatisticalmodelsandtrainSVMspeakermodel．ItisveryeffectivetosolvetheproblemofthelargesamplefortheSVMtraining．(3)Weresearchedanddiscussedtheinflunessoftheincentivecharacteristicsandthedynamicparameterscarriedbythespeechsignaltohowto
8、recognitionperformance，introduced
