已閱讀1頁，還剩74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(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、說話人識別技術(shù)是根據(jù)包含在語音信號中特有的個體信息,以聲音作為生物特征,自動識別說話人身份的過程,它被認(rèn)為是最自然的生物認(rèn)證技術(shù),具有廣泛的應(yīng)用前景。與文本無關(guān)的說話人識別具有用戶使用方便、可應(yīng)用范圍較寬等優(yōu)點,是當(dāng)前說話人識別技術(shù)的研究重點。
本文對語音信號的預(yù)處理、特征提取及識別方法進(jìn)行了深入的研究,并對基于DSP的說話人實時識別系統(tǒng)進(jìn)行了設(shè)計。
在語音信號的預(yù)處理及特征提取部分,引入小波變換實現(xiàn)了基于小波分析的
2、語音端點檢測。研究了說話認(rèn)識別中的主流特征參數(shù)線性預(yù)測倒譜系數(shù)(LPCC)和美爾頻率倒譜系數(shù)(MFCC),在此基礎(chǔ)上使用了一種二次特征提取方法,通過綜合運用加權(quán)、微分、組合、篩選等,進(jìn)一步挖掘說話人語音背后的隱性個性差異。
在識別方法上,研究了高斯混合模型(GMM)和支持向量機(jī)(SVM)在說話人識別中的應(yīng)用,并對GMM中期望最大化(EM)算法進(jìn)行了改進(jìn)。結(jié)合GMM和SVM構(gòu)建了SVM-GMM的混合模型。比較分析了不同參數(shù)、不同
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(hù)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(fù)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
- 文本無關(guān)的說話人識別系統(tǒng)的研究與實現(xiàn).pdf
- 與文本無關(guān)的說話人識別系統(tǒng)研究.pdf
- 定點化與文本無關(guān)的說話人識別系統(tǒng).pdf
- 文本無關(guān)說話人識別系統(tǒng)研究.pdf
- 基于LabVIEW的文本無關(guān)說話人識別系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 基于SVM的與文本無關(guān)的說話人識別系統(tǒng)研究.pdf
- 文本無關(guān)的說話人識別研究.pdf
- 與文本無關(guān)的說話人識別研究及實現(xiàn)的設(shè)計.pdf
- 基于文本無關(guān)的說話人識別.pdf
- 與文本無關(guān)說話人識別技術(shù)的研究.pdf
- 基于矢量量化文本無關(guān)說話人識別系統(tǒng)的設(shè)計和實現(xiàn).pdf
- 與文本無關(guān)的說話人識別算法的研究.pdf
- 與文本無關(guān)的說話人識別技術(shù)研究.pdf
- 與文本無關(guān)的話者識別系統(tǒng)的研究與實現(xiàn).pdf
- 基于文本無關(guān)的說話人識別技術(shù)研究.pdf
- 基于文本無關(guān)的說話人識別技術(shù)的研究.pdf
- 基于SVM的與文本無關(guān)的說話人識別算法研究.pdf
- 基于VQ的文本無關(guān)說話人識別研究.pdf
- 用人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)的與文本無關(guān)的說話人識別.pdf
- 說話人識別系統(tǒng)的研究及DSP實現(xiàn).pdf
評論
0/150
提交評論