版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、說話人識別技術是生物特征識別中非常熱門的一個方向,一直以來隨著信息技術的發(fā)展而不斷得到推廣和應用。尤其是當今移動互聯(lián)網時代的到來,更是使說話人識別技術的應用場景不斷擴大,其實用價值越來越高。本文研究的主要是基于i-vector/PLDA的說話人識別,研究如何對PLDA(Probabilistic Linear Discriminant Analysis)模型進行優(yōu)化,并通過引入一種遷移學習(Transfer Learning)方法解決數(shù)
2、據量不足時導致訓練出來的PLDA模型準確度急劇下降的問題。
本文首先介紹說話人識別技術中的一些經典系統(tǒng)如GMM-UBM系統(tǒng),GMM-SVM系統(tǒng)以及基于i-vector特征的基線系統(tǒng),概述了這些系統(tǒng)構造中的一些重要環(huán)節(jié),然后在此基礎上闡述了基于i-vector特征的信道補償算法PLDA算法和2-COV算法,并通過理論和實驗進行重點分析和驗證。
說話人識別在實際應用中需要克服很多不同于實驗室理想環(huán)境下的干擾因素,比如數(shù)據
3、的先驗概率分布與假設有偏差,數(shù)據量不足等。本文的研究重點針對以上干擾提升其在實際應用中的穩(wěn)定性和高效性。通過利用語音數(shù)據中的時長信息,本文對PLDA這種概率模型進行先驗概率的修正,使其更加擬合實際數(shù)據的分布,從而提升其訓練出來的PLDA模型的性能表現(xiàn)。考慮到實際應用中目標域沒有足夠的數(shù)據去訓練一個PLDA模型時,本文通過引入一種基于KL散度的遷移學習方法,將其它域中的大量數(shù)據利用起來去改進目標域模型訓練的有效性。實驗證明,這樣的方案非常
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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
- 基于PLDA模型的說話人識別方法研究.pdf
- 基于EMD的說話人識別研究.pdf
- 基于深度學習的說話人識別研究.pdf
- 基于GMM說話人分類的說話人識別系統(tǒng)研究.pdf
- 基于說話人識別信道補償?shù)难芯?pdf
- 基于動態(tài)MFCC的說話人識別研究.pdf
- 基于特征組合的說話人識別研究.pdf
- 基于稀疏表示的說話人識別研究.pdf
- 基于聲門特征的說話人識別研究.pdf
- 基于MFCC說話人識別算法研究.pdf
- 基于深度學習的說話人識別建模研究.pdf
- 基于GMM的說話人識別技術研究.pdf
- 基于支持向量機的說話人識別研究.pdf
- 基于PCA與LDA的說話人識別研究.pdf
- 基于DSP的說話人識別算法的研究.pdf
- 基于GMM的說話人識別算法的研究.pdf
- 基于VQ與GMM的說話人識別.pdf
- 基于缺失特征重建的說話人識別.pdf
- 基于文本無關的說話人識別.pdf
- 基于MFCC與IMFCC的說話人識別研究.pdf
評論
0/150
提交評論