發(fā)布時(shí)間：2024-12-17 22:51

　　聲音是人與人之間進(jìn)行交流的信息載體,聲音在人機(jī)交互中也起到了舉足輕重的作用。聲紋識(shí)別是語音識(shí)別中一個(gè)十分重要的方向,這種技術(shù)應(yīng)用到人機(jī)交互中就會(huì)大大提高人機(jī)語音交互的安全性。作為一種生物認(rèn)證識(shí)別方式,聲紋識(shí)別還有很多重要的應(yīng)用前景。近些年來,機(jī)器學(xué)習(xí)技術(shù)在自動(dòng)語音識(shí)別領(lǐng)域取得了重大的突破,越來越多的機(jī)器學(xué)習(xí)方法尤其是深度學(xué)習(xí)方法被引入到聲紋識(shí)別中,并取得了顯著的成效�；趇-vector的聲紋識(shí)別方法是目前與文本不相關(guān)聲紋識(shí)別的基準(zhǔn)方法。但這種方法面對(duì)短時(shí)語音時(shí)的識(shí)別率較低,也容易受到噪聲干擾。本文利用機(jī)器學(xué)習(xí)的理論設(shè)計(jì)了基于時(shí)延神經(jīng)網(wǎng)絡(luò)的聲紋識(shí)別方法,相比于基準(zhǔn)方法,這種方法提高了聲紋系統(tǒng)的識(shí)別率和穩(wěn)定性,尤其是在短時(shí)聲音的識(shí)別效果方面,應(yīng)對(duì)噪聲的魯棒性也更強(qiáng)。為了進(jìn)一步提高系統(tǒng)的識(shí)別效果,本文又設(shè)計(jì)了基于生成向量的聲紋識(shí)別方法,這種方法將基于i-vector的聲紋識(shí)別方法與基于時(shí)延神經(jīng)網(wǎng)絡(luò)的聲紋識(shí)別方法進(jìn)行了“融合”。此方法利用典型關(guān)聯(lián)分析,將部分i-vector的信息融合到時(shí)延神經(jīng)網(wǎng)絡(luò)提取的特征向量中,使得生成向量更能表征說話者的身份特征。對(duì)三種聲紋識(shí)別方法進(jìn)行了實(shí)驗(yàn)驗(yàn)證,比如在V...

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-3未預(yù)處理的語音信號(hào)圖

黑龍江大學(xué)碩士學(xué)位論文分幀及加窗端點(diǎn)檢測(cè)特采樣系統(tǒng)預(yù)加重模擬信號(hào)離散語音信號(hào)圖2-2語音預(yù)處理的主要過程Figure2-2Themainprocessofspeechpreprocessing生的聲音信號(hào)是模擬信號(hào)，所以在對(duì)聲音信號(hào)進(jìn)行處理之前需對(duì)聲音信號(hào)進(jìn)行采....

圖2-4預(yù)加重后的語音信號(hào)圖

圖2-4預(yù)加重后的語音信號(hào)圖Figure2-4VoiceSpectrumDiagramaftePre-emphasis幀加窗音信號(hào)是一種隨著時(shí)間的改變而改變的非平穩(wěn)的信號(hào)，但聲音時(shí)間里可以看作是平穩(wěn)的隨機(jī)信號(hào)�？梢允褂眯盘�(hào)處理中對(duì)平方法來處理聲音信號(hào)。使用一些方法....

圖2-5加漢明窗前后的聲音信號(hào)對(duì)比圖

-10-圖(b)加漢明窗后圖2-5加漢明窗前后的聲音信號(hào)對(duì)比圖Figure2-5Comparisonofvoicesignalsinfrontandrearofthehanmingwindow端點(diǎn)檢測(cè)段錄制的語音中，語音中的聲音一般不全是說話者....

圖2-6離散傅里葉變換后的語音信號(hào)圖

黑龍江大學(xué)碩士學(xué)位論文人類的聽覺系統(tǒng)機(jī)理的，因此梅爾倒譜系數(shù)被廣泛應(yīng)用領(lǐng)域中[41]。人類耳朵的聽覺系統(tǒng)對(duì)聲音的感知是線性的。話者發(fā)出聲音，如果這些聲音的頻率十分接近，人耳是很這些頻率之間的大小超過一個(gè)臨界點(diǎn)，這些聲音才能被區(qū)稱為臨界帶寬。譜系數(shù)的提取爾倒譜系數(shù)特征提取前，先對(duì)聲....

本文編號(hào)：4016651