1 / 158
文档名称:

特征和GMM模型的说话人识别系统研究.pdf

格式:pdf   大小:4,985KB   页数:158页
下载后只包含 1 个 PDF 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

特征和GMM模型的说话人识别系统研究.pdf

上传人:rovend 2021/4/9 文件大小:4.87 MB

下载得到文件列表

特征和GMM模型的说话人识别系统研究.pdf

相关文档

文档介绍

文档介绍:瓻.山
剔程轹现采作者签名:目羞喀同名鼻日期:为/昝丛日日期:加月《日兰州理工大学学位论文原创性声明和使用授权说明日期:;年耮日原创性声明学位论文版权使用授权书本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均本学位论文作者完全了解学校有关保留、使用学位论文的规定,即:学校有权保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。同时授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》,并通过网络向社会公众提供信息服务。研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名:借阅。本人授权兰州理工大学可以将本学位论文的全部或部分内容编入有关数据\
目录要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.工⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯插图索引⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯附表索引..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..第滦髀邸论文工作的主要内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第滤祷叭耸侗鸺际醺攀觥说话人识别的分类⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯说话人识别系统的性能评价标准⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.说话人识别预处理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...谄准醴ǖ挠镆粼銮俊.慕钠准醴ā系统下的改进特征参数加权⋯⋯⋯⋯⋯⋯⋯⋯⋯..说话人识别研究背景与意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯说话人识别发展历史和研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..说话人识别系统基本组成⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第滤祷叭耸侗鹪ご碛胩卣魈崛 说话人识别特征提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯基于谱减法增强的特征参数提取⋯⋯⋯⋯⋯⋯⋯⋯...谄准醴ㄔ銮康腗问崛 .谄准醴ㄔ銮康那岸舜硎笛椤混合加权与奶卣鞑问的一阶差分倒谱系数⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.诨旌霞尤∕階的实验⋯⋯⋯⋯⋯⋯⋯⋯.第禄赩乃祷叭耸侗鹣低逞芯俊摘硕士学位论文.
说话人识别系统基本结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..矢量量化的基本原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯的失真测度⋯⋯⋯..⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯..码本设计的惴ǎ.跏悸氡镜难《ā系统具体实现⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯实验结果及其分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...氡救萘慷运祷叭耸侗鹣低承阅艿挠跋臁本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯第禄贕的说话人识别系统研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯基于乃祷叭耸侗鹣低车淖槌山峁埂高斯混合模型.咚够旌夏P兔枋觥模型参数估计⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯.....P筒问跏蓟高斯混合模型系统具体实现⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯.低衬P偷难盗酚胧侗稹.煌卣鞑问韵低呈侗鹇实挠跋臁惴ㄊ迪帧.低衬P偷难盗酚胧侗稹.煌盗泛筒馐匝径运祷叭耸侗鹣低承阅艿挠跋臁.馐杂镆舫ざ榷韵低呈侗鹇实挠跋臁旌隙榷韵低呈侗鹇实挠跋臁.肷肪诚滤祷叭耸侗鹣低撤治觥本章小结⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯总结与展望⋯⋯.⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯.⋯⋯⋯.工作总结⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯.⋯⋯⋯未来展望⋯⋯⋯⋯⋯.⋯⋯⋯⋯...⋯⋯⋯⋯⋯..⋯⋯..参考文献⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯.⋯..基于特征和P偷乃祷叭耸侗鹣低逞性.
致谢⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯.⋯.⋯⋯⋯⋯⋯⋯附录ザ了妒垦黄诩渌⒈淼穆畚摹硕士学位论文
摘要说话人识别是通过采集说话人的声音信号进行特征提取,分析处理后来进行说话人的辨认或者确认。随着当今互联网和信息化技术的飞速发展,越来越多的相关领域将用到说话人识别技术,说话人识别技术符合现代身份信息验证要求的数字化、快捷化、隐行化的特点。说话人识别作为生物认证技术中的一项重要技术,可以广泛应用在司法刑侦、金融安全、视觉监控及身份验证等领域。随着说话人识别研究的深入,其关键性技术主要围绕着特征提取和模式匹配等问题展开。以梅尔倒谱系数琈为代表的倒谱特征参数由于充分考虑人的听觉特性,不含任何前提假设,具有良好的性能,成为语音识别领域的主流参数。而以高斯混合模型珿4淼母怕释臣颇P陀捎诳梢杂行У描述语音特征参数数据集分布,成为文本无关说话人识别领域的主流技术。本文在研究说话人识别关键性算法的基础上,通过研究基于倒谱特征的特征参数提取方法和基于模板匹配及概率统计的模式匹配方法,研究实现了基于特征的说话人识别系统和P偷乃祷叭耸侗鹣低场V饕Q芯磕谌萑缦拢谄准醴ㄓ镆粼銮克祷叭耸侗鸱椒ǖ幕∩希岢鲆恢指慕钠准醴ǎ缓笾接通过增强后的语音功率谱提取参数。改进的谱减法通过改变噪声功率谱估计的统计平均参数,来消除普通谱减法对语音增强时产生的音