基于全局背景模型和輔助模型的說話人確認(rèn)系統(tǒng)

基于全局背景模型和輔助模型的說話人確認(rèn)系統(tǒng)

ID:36771960

大小:2.04 MB

頁數(shù):52頁

時(shí)間:2019-05-15

基于全局背景模型和輔助模型的說話人確認(rèn)系統(tǒng)_第1頁
基于全局背景模型和輔助模型的說話人確認(rèn)系統(tǒng)_第2頁
基于全局背景模型和輔助模型的說話人確認(rèn)系統(tǒng)_第3頁
基于全局背景模型和輔助模型的說話人確認(rèn)系統(tǒng)_第4頁
基于全局背景模型和輔助模型的說話人確認(rèn)系統(tǒng)_第5頁
資源描述:

《基于全局背景模型和輔助模型的說話人確認(rèn)系統(tǒng)》由會員上傳分享,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。

1、

2、lIliIII

3、Il

4、IlI

5、I

6、JI

7、lJJlIf

8、IJI

9、f

10、I

11、Jflf

12、II』

13、ⅢY1728296摘要說話人識別一直都是國內(nèi)外的一個(gè)重要的研究課題。本文從研究說話人識別的一些基本理論入手,研究了幾種常用的說話人確認(rèn)算法和背景模型并進(jìn)行了仿真與比1較,重點(diǎn)研究了基于G刪模型以及全局背景模型的與文本無關(guān)的說話人確認(rèn)系統(tǒng)。本誓‘,.J文的主要研究工作如下:1.傳統(tǒng)的基于概率模型的說話人確認(rèn)系統(tǒng)都要為說話人設(shè)置一個(gè)背景模型,背景模型的好壞有時(shí)候與特征參數(shù)選擇的好壞一樣能對識別率起到至關(guān)重要的作用。本文先對兩種常用的背景模型即全局背景模型(U11

14、iversalBackgroulldModel,UBM)和競爭者模型(CohortModel)進(jìn)行了闡述,并分別對其進(jìn)行了說話人確認(rèn)的仿真實(shí)驗(yàn)。結(jié)果表明全局背景模型的識別率達(dá)到94%左右,而競爭者模型的識別率則比較低只稍高于80%,不能單獨(dú)用于實(shí)際應(yīng)用。2.廣泛查閱了研究者們提出的全局背景模型和競爭者模型的研究結(jié)果后,發(fā)現(xiàn)研究者們已經(jīng)指出兩種模型代表了特征空間的不同區(qū)域。UBM代表與真實(shí)說話人無關(guān)的特征分布,即所有說話人的共性,易于區(qū)分一般的假冒者;CohonModel代表與真實(shí)說話人特性相近的假冒者的特性,易于區(qū)分與真實(shí)說話人特性相近的假冒者。

15、因此我們提出將兩種背景模型經(jīng)行級聯(lián),先用UBM區(qū)分大部分的假冒者,再用CohortModel區(qū)分與真實(shí)說話人特性相近的假冒者,實(shí)驗(yàn)表明新模型能有效的提高說話人確認(rèn)的識別率。在實(shí)驗(yàn)過程中提出疏遠(yuǎn)者模型(CCohortModel)在說話人確認(rèn)中的作用。3.實(shí)際環(huán)境中無處不在的噪聲帶來了訓(xùn)練模型和測試語音之間的失配,使得噪聲環(huán)境中說話人識別系統(tǒng)的識別率急劇下降。本文提出了一種改進(jìn)的MEL頻率倒譜系數(shù),記為:PLMFCC,與LPCC、MFCC、PLPCC相比該參數(shù)有效的抑制噪聲,對含噪語音的識別率有顯著提高。關(guān)鍵詞:說話人確認(rèn)、高斯混合模型、特征參數(shù)、全

16、局背景模型、競爭者模型k7嚕.0慷k、●▲Abs仃{虻tAbstractSpeakcrreco鰣tionisalwaysoneofmemostimportantresearcharcainmeworld.11lisp印crbeginswimresearchonb商cnleoriesofspeechprocessing;tlleIlsomeofcom如onspeal(erv嘶ficationa190dtllmsaIldback黟oundmodelsaresimulateda11dcompared,especiallyeInphaSizeSonmeG

17、MM,Umversalback伊叭mdmodelandteXtind?。entspeakerv舐6cationsyStem.Followingisthemainworkof“smesis:1.The缸.a(chǎn)ditionalSpeakerv嘶ficationsystemsbausedonProbabilityModelalwaysneedabackgroulldmodel.Som舐mestllequalit)rofabackgroundmodelisasiIIlportantaLsmequal塒ofa1【indofCharact甜sticpar鋤e

18、t既Innlisp印erme錒oco鋤nonbackgroundmodclUIliversalbackgrouIldmodel(notedUBM)andCohortModclarein缸·oduced,s蛔u(yù)latcdaIldCompared.Theexp耐mentsshowthatmeV翻fica缸o(hù)nratebasedonUBM0111yisupperto94%,w11ilemes鋤etimetheCohortmodelomyabout80%。2.AReranalyzinglthepropertiesofmattwomodels,Wefoun

19、dthatsomeresearchershaVepoiIltoutmoset、7l,omodelsstandforthedi儂鵬ntareaoff.eatllrespace.UBMsta】fldsformefea_mredistributionthathaVenomingtodowiⅡltllespemoer;Cohonmodelstallds南rthef.eaturedis砸butionthatiscloset0thespeal(既WbcallalsosayUBMcaneaSilydi膿eIltiatetlle舢oninlposters,wrh

20、ilemeCohortmodelhasanupperhandindi行打eIltiatingtheclose螄osters.Becaus

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時(shí)可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時(shí)聯(lián)系客服。
3. 下載前請仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費(fèi)完成后未能成功下載的用戶請聯(lián)系客服處理。