说话人辨认相关论文
声纹识别也被称之为说话人识别,是采用智能系统识别语音中说话人身份信息的重要智能语音技术之一。智能系统能够通过获取语音中的......
基于生物特征的身份识别技术是当前国际上的重点研究内容，自动说话人识别通过语音识别说话人的身份，由于其信息来源获取的简单性，其在......
从语音信号中有效地提取个人特征信息进行说话人身份的辨认和确认，是语音识别研究领域的一个重要研究方向。从人机交互、身份验证、......
与文本无关的说话人辨认旨在通过说话人的语音而非语义信息从而辨认出话者的身份，该研究在充分利用语音识别的非接触性的基础上逐渐......
说话人识别是最自然的生物特征身份鉴定方式,可分为说话人辨认和说话人确认。说话人识别根据包含在语音信号中的个性特征来自动识......
随着智能设备在生活中的广泛应用,自然顺畅的人机交互方式成为人们关注的焦点,身份识别的方式也逐渐由密码等方式向生物特征识别方......
本文就特征提取、文本无关说话人识别的主要经典方法作了回顾，强调并阐释了各种方法在物理上的意义。针对文本无关说话人识别中训练......
现阶段，信号处理的传统方法大部分是基于线性的理论，而信号本身并不是线性的，我们用线性的方法处理非线性的信号仅仅是最大似然的逼近......
说话人识别可以看作是语音识别的一种，它是一种根据说话人的语音来判断说话人身份的技术，在军事、司法、医学等领域都有广泛的应用.......
支撑向量机（SVM）是一种新的统计学习方法。提出一种基于支撑向量机的文本无关的说话人辨认系统，在作者的实验中得到了98％的平均识别率，......
针对基于人工神经网络的说话人辨认系统所存在的问题,提出了一种基于模糊最小二乘支持向量机(LS-SVMs)技术的两级分类说话人辨认系......
为了提高基于G auss混合模型通用背景模型(GMM-U BM)的说话人辨认系统的运算效率,提出一种基于树的核心挑选算法(TBK S),通过将U B......
为了减少语音数据量 ,提高处理速度和识别的准确性 ,提出了一种采用公共码本、个人隐 Markov模型 (HMM)和个人拒识阈值进行两级决......
针对说话人的语音特征和说话人的个性特征很难分离的问题,提出了一种基于遗传算法和支持向量机的说话人辨认新方法,再结合特征各分......
该文提出了一种高斯混合模型(GMM)参数估计的改进算法.原始的特征向量先经Schmidt正交化消除各维间的相关性,再用数学形态学方法估......
针对短语音说话人辨认训练语料不充分的特点,对特征参数和GMM模型进行优化和改进,提出一种基于局部模糊PCA的GMM说话人辨认方法.该......
针对语音特征的自身特点，通过对Fisher判别技术的研究，提出采用核Fisher判别技术来解决说话人辨认。核Fisher判别技术在判别中使用所......
提出了基于进化高斯混合模型(EGMM)的说话人辨认系统建模方法.EGMM在进化算法的框架下,为改善模型的泛化性能对GMM模型的结构与参......
当对含噪语音进行说话人辨认时，系统的识别性能会明显变差，本文提出采用对倒谱参数非线性加权的方法，改善系统的噪声鲁棒性．通过对多种......
该文提出了一种基于自适应频率规整的鉴别性特征提取算法。该方法通过对语音频谱的各个频带的鉴别性分析及其量化结果对各个频域进......
实验室环境下,说话人识别研究已经取得很大进展,但是在实际生活中,说话人识别系统的性能受到环境噪声、健康状况等因素的影响很大......
在传统的高斯混合模型一支持向量机（Gaussian Mixture Model-Support Vector Machine，GMM—SVM）说话人辨认系统中，SVM利用从GMM矢量空......
提出了基于模糊超椭球聚类算法的说话人辨认新方法。该算法首先将某一类的训练数据分成若干子类, 对每一子类在其中心周围定义具有......
多分类问题一直是模式识别领域的一个热点,本文提出了将Hadamard纠错码同二元分类器相结合的方法来解决此问题,相对于其它类型的纠......
本文提出了一种新的说话人码本的优化设计方法-粒子对协同优化算法，应用于矢量量化的说话人辨认．此算法利用两个初始粒子对分别在每......
在实际应用中，噪声或信道干扰导致说话人识别（SR）识别性能急剧下降。针对该问题，本文分析传统方法的优缺点并提出相应的系统解决方案：采......
利用MATLAB软件,设计了一种基于GMM模型的与文本无关的说话人辨认系统。该系统包括语音活动检测、提取MFCC参数、训练GMM参数和判......
通过分析GMM(高斯混合模型)的说话人辨认系统的性能,提出了一种捕捉不同说话人交互信息的人工神经网络(ANN)方法,构成一个GMM/ANN......
说话人辨认技术在许多领域有着广泛的应用前景。首先研究了两种基本的深度神经网络模型（深度信念网络和降噪自编码）在说话人辨认上的......
说话人识别是语音识别的一种特殊方式，对于各种领域的身份认证具有得天独厚的优势。以线性预测系数（Linear Predielion Coefficients......
在分析期望最大化（EM）算法的基础上，针对EM算法搜索的局限性把进化算法引入到正交高斯混合模型（OCMM）的参数训练中．实验结果表明以进化算......
说话人辨认是语音信号研究中的一个重要组成部分.本文根据掌上电脑录音的语音数据库进行说话人辨认的实验.当高斯混合模型(GMM)用......
提出了一种新的注册者模型--"时间-空间分布模型(TSDM)".传统GMM用参数表征训练矢量的空间分布,但舍弃了训练矢量间的时间联系信息......
给出了一种基于声学分类的并行异方差PNN的说话人辨认系统.该模型的训练采用最大似然准则,并发展了EM算法来调整参数.试验证明,新......
提出了一种基于最小分类错误准则的概率神经网络的训练算法.实验结果表明,这种分类网络及其学习算法在30个说话人辨认应用中利用5......
给出了一种新的类条件密度函数估计的d PNN模型,它基于模式层共享的PNN和模式层分离的PNN,即每个类不仅拥有一组只属于自己的模式......
支持向量机是统计学习理论的一个重要的学习方法,也是解抉模式识别问题的一个有力的工具。本文提出了用支持向量机来解决说话人辨......
针对最大似然训练分辨能力的不足,把最大互信息训练方法引入到高斯混合模型(GMM)的训练中,并直接采用进化策略实现模型参数的全局......
声纹识别技术实现的关键点在于从语音信号中提取语音特征参数,此参数具备表征说话人特征的能力。基于GMM-UBM模型,通过Matlab实现......
测试时长是影响说话人识别问题的主要因素之一。该文主要对分布式语音识别中测试时长与说话人识别率的关系进行了研究。文中采用文......
介绍一个与文本无关、与语种无关、与性别无关的声纹识别系统,采用的技术包括MFCC特征提取、VQ矢量量化、LBG聚类建模、数据有效性......
本文介绍了一种基于矢量量化技术的说话人识别系统，在特征参数上，选用动、静态倒谱互相补偿，充分描述说话人声道模型，同时选用能描述说......
采用线性预测倒谱系数(linear prediction cepstrum coefficient,LPCC)作为语音的特征参数,矢量量化(vector quantity,VQ)方法进行......
在基于统计模型的说话人识别中，需要对说话人的数据进行训练，依据某种准则确定模型的参数，用某种判决规则将未知语音参数序列分配给具......
时频分布在非平稳信号的分析和处理中具有重要地位，它能够直观、合理的描述信号在时间一频率域上的能量分布。语音信号分类是语音识......
支持向量机（SVM）是以统计学习理论为基础，解决模式识别问题的有力工具，但是它训练算法复杂，难以处理大量样本，限制了其在说话人识别方面......
说话人识别技术(声纹识别技术)以其独特优势在信息安全领域的应用逐渐增大。本文概括叙述了说话人识别的基本概念;介绍了在模拟噪......
