2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩81頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

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(bào)或認(rèn)領(lǐng)

文檔簡介

1、聲紋識別是一項(xiàng)重要的生物認(rèn)證技術(shù),應(yīng)用場景廣泛。聲紋識別的主流方法包括SVM,JFA和i-vector等,它們均以GMM-UBM為基礎(chǔ)。除了搜集語料訓(xùn)練目標(biāo)說話人模型,GMM-UBM方法還需要大量額外的語料進(jìn)行得分規(guī)整,這是聲紋識別技術(shù)實(shí)用化的屏障之一。而現(xiàn)有的端點(diǎn)檢測方法一般以短時(shí)幀為單位進(jìn)行,存在著語音切分粒度過細(xì)導(dǎo)致計(jì)算開銷過大的問題。針對這兩點(diǎn)不足,本文對說話人確認(rèn)的流程進(jìn)行新的探索,主要貢獻(xiàn)如下:
  1.將傳統(tǒng)的說話人

2、確認(rèn)的單數(shù)據(jù)點(diǎn)假設(shè)檢驗(yàn)的方法轉(zhuǎn)變?yōu)楸容^檢測語音序列在目標(biāo)說話人模型和測試模型上得分差異的序列測試,對于如何使用測試語音得到測試模型,進(jìn)行了三方面的嘗試,測試語音在UBM上自適應(yīng)得到的測試模型,測試語音混合注冊語音后再UBM上自適應(yīng)得到測試模型,測試語音在目標(biāo)說話人模型上自適應(yīng)得到測試模型。其中以檢測語音在目標(biāo)說話人模型和測試語音在UBM上自適應(yīng)得到測試模型上得分差異最為明顯,探索了以下五種判決方法:得分對偏移量比對閾值、得分對偏移量TO

3、P均值、得分對距離、得分對排序、模型參數(shù)區(qū)分等,其中以測試得分對偏移量的TOP均值的判決效果最好,其EER在基準(zhǔn)方法上有了4.2%的提升。
  2.相對于傳統(tǒng)端檢方法以短時(shí)幀為處理單位,提出一種仿人類視覺感知的語音端點(diǎn)檢測方法。首先提取具有完整文本信息的語音段包絡(luò),及其波形形態(tài)特征,再對特征聚類后的結(jié)果進(jìn)行投票,去掉噪音段和靜音段得到語音段。端檢效果良好,VQVAD算法相對最高提升45%,使系統(tǒng)的EER平均下降1.7%,并且具有提

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(huì)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(chǔ)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(shí)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。

評論

0/150

提交評論