已閱讀1頁,還剩62頁未讀, 繼續(xù)免費閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、語音模仿是指為了達到偽裝另一個人的目的對其聲音和發(fā)音習(xí)慣的再現(xiàn),一個成功的模仿者能夠找到、選擇并模仿目標(biāo)說話人最典型的聲音特征。當(dāng)蓄意模仿者模仿的聲音與目標(biāo)說話人的聲音的相似度超過了聲音認證系統(tǒng)的鑒別能力時,將會給聲音認證系統(tǒng)的安全帶來嚴(yán)重的威脅。因此進行了語音反蓄意模仿的研究,以減少語音蓄意模仿對聲音認證系統(tǒng)的破壞。
本文對反蓄意模仿的語音增強、特征參數(shù)進行了研究,并實現(xiàn)了基于SVM的反蓄意模仿說話人識別系統(tǒng),主要內(nèi)容如下:
2、
1、建立了反蓄意模仿語音庫。
2、提出了基于TEO的語音活動檢測的譜減法,該方法利用TEO對帶噪語音進行語音活動檢測,區(qū)別出噪聲段和語音段,對噪聲段和語音段分別進行譜減處理。經(jīng)過實驗驗證,基于TEO的語音活動檢測的譜減法語音增強效果明顯,保證了語音質(zhì)量,減少了音樂噪聲,為反蓄意模仿說話人識別的研究打下了良好的基礎(chǔ)。
3、針對常用的特征參數(shù),采用主觀評價與特征參數(shù)歐氏距離對比的方法,研究了基音、LPCC、M
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 反蓄意模仿語音識別研究.pdf
- 基于小波分析的語音反蓄意模仿研究.pdf
- 反模仿的說話人再確認的研究
- 基于韻律特征的SVM說話人識別.pdf
- 反模仿的說話人再確認的研究.pdf
- 基于韻律特征和SVM的說話人識別.pdf
- 蓄意模仿說話人語音中特征參數(shù)的研究.pdf
- 基于加權(quán)FSVQ和SVM的說話人識別算法研究.pdf
- 基于SVM的含噪耳語音說話人識別研究.pdf
- 基于GMM和SVM的說話人識別方法研究.pdf
- 基于GMM和SVM的說話人識別系統(tǒng)研究.pdf
- 基于SVM的文本無關(guān)說話人識別算法研究.pdf
- 基于SVM的與文本無關(guān)的說話人識別算法研究.pdf
- 基于GMM與改進LS-SVM算法的說話人識別研究.pdf
- 噪聲環(huán)境下的基于GMM-SVM說話人識別算法.pdf
- 基于改進網(wǎng)格搜索法SVM參數(shù)優(yōu)化的說話人識別研究.pdf
- 基于雙VQ-SVM的說話人識別系統(tǒng)研究.pdf
- 面向說話人識別的SVM核方法對比研究.pdf
- 基于SVM的與文本無關(guān)的說話人識別系統(tǒng)研究.pdf
- 基于SVM和GMM的說話人辨識方法研究.pdf
評論
0/150
提交評論