本文關(guān)鍵詞：基于深度學(xué)習(xí)的說話人識別方法的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著人類社會的發(fā)展,人們之間的交互方式越來越多樣化,語音信息做為人類特有的生物特征之一,在人類的身份識別或確認(rèn)上有著重要的地位,有些研究者稱之為人類最天然的生物特征。說話人識別技術(shù)或者說聲紋識別技術(shù)是一種依據(jù)人類的語音特征進(jìn)行的身份識別技術(shù)。其在很多領(lǐng)域已經(jīng)有了非常重要的應(yīng)用,比如互聯(lián)網(wǎng)、軍事安全、遠(yuǎn)程控制、通信系統(tǒng)、門禁系統(tǒng)等等。自上世紀(jì)80年代以來,神經(jīng)網(wǎng)絡(luò)迅猛發(fā)展。最近幾年,多倫多大學(xué)教授辛頓提出的深度學(xué)習(xí)理論在圖像識別領(lǐng)域已經(jīng)取得了非常好的效果,其在mnist手寫字?jǐn)?shù)據(jù)集上的識別率已經(jīng)可以高達(dá)百分之99。深度學(xué)習(xí)是一種基于深度即多層神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式,與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)相比,深度學(xué)習(xí)克服了非凸函數(shù)陷入局部最小值的缺點(diǎn),并且可以從底向上學(xué)習(xí)更好的特征。本文對前饋神經(jīng)網(wǎng)絡(luò)、自動(dòng)編碼機(jī)、深度信念網(wǎng)絡(luò)在說話人識別技術(shù)上的應(yīng)用進(jìn)行了全面分析比較。本人主要完成了以下幾方面工作：第一,綜述了說話人識別技術(shù)的研究歷史及現(xiàn)狀,分析不同說話人識別技術(shù)的優(yōu)缺點(diǎn),神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)是說話人識別的嶄新方向。第二,研究了說話人識別模型語音預(yù)處理階段的工作,包括分幀、梅爾倒譜頻率參數(shù)、模型和算法等,詳細(xì)介紹了MFCC參數(shù)的計(jì)算過程。第三,探討了前饋神經(jīng)網(wǎng)絡(luò)在說話人識別技術(shù)上的應(yīng)用,分析比較了不同神經(jīng)層數(shù)及神經(jīng)元個(gè)數(shù)以及其他參數(shù)對識別率的影響,并且提出前饋神經(jīng)網(wǎng)絡(luò)與高斯混合模型結(jié)合的方法,使神經(jīng)網(wǎng)絡(luò)工作在GMM的概率輸出空間,獲取了不同說話人之間的交互信息,提高了說話人識別率以及模型的魯棒性。第四,分析了深度學(xué)習(xí)在說話人識別上的應(yīng)用。主要分析比較了兩種深度學(xué)習(xí)模型,即自動(dòng)編碼機(jī)和深度信念網(wǎng)絡(luò)的識別效果。證明了深度學(xué)習(xí)在說話人識別領(lǐng)域是優(yōu)于普通的前饋神經(jīng)網(wǎng)絡(luò)的。首次提出使用降噪自動(dòng)編碼機(jī)和受限波爾茲曼機(jī)混合模型(HDAE-RBMM)進(jìn)行說話人識別,研究了其在不同組合狀態(tài)下模型的性能,證明了使用降噪自動(dòng)編碼機(jī)作為淺層模型、受限波爾茲曼機(jī)作為深層模型結(jié)合了兩者的優(yōu)勢,可以有效提高識別率,并且隨著網(wǎng)絡(luò)層數(shù)的提升效果越明顯。第五,使用整流線性單元代替普通的激活函數(shù)對深度網(wǎng)絡(luò)進(jìn)行了改進(jìn),分別探討了預(yù)訓(xùn)練和未經(jīng)預(yù)訓(xùn)練的情況下深度模型的性能,實(shí)驗(yàn)證明使用整流線性單元的深度網(wǎng)絡(luò)模型可以極大提升訓(xùn)練速度,并且從稀疏度的角度來看,使用整流線性單元的未經(jīng)預(yù)訓(xùn)練的深度網(wǎng)絡(luò)可以達(dá)到和經(jīng)過預(yù)訓(xùn)練的深度模型同樣的稀疏度,因而其識別率比使用sigmoid類函數(shù)要高許多,甚至可以和經(jīng)過預(yù)訓(xùn)練的深度模型較接近。但是整流線性單元與預(yù)訓(xùn)練模型結(jié)合的效果并不是十分理想,如何調(diào)整預(yù)訓(xùn)練模型結(jié)構(gòu)與整流線性單元結(jié)合值得后續(xù)研究。
【關(guān)鍵詞】：說話人識別 神經(jīng)網(wǎng)絡(luò) 自動(dòng)編碼機(jī) 深度信念網(wǎng)絡(luò) 深度學(xué)習(xí)
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN912.34;TP181
【目錄】：

• 摘要5-6
• Abstract6-14
• 第一章 緒論14-20
• 1.1 說話人識別概述14-15
• 1.1.1 說話人識別研究的意義14
• 1.1.2 說話人識別的分類14-15
• 1.2 說話人識別的研究歷史和現(xiàn)狀15-17
• 1.3 神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)17-18
• 1.4 本文組織結(jié)構(gòu)18-20
• 第二章 說話人識別模型和原理20-28
• 2.1 語音的聲學(xué)模型20-21
• 2.2 說話人識別系統(tǒng)結(jié)構(gòu)21-22
• 2.3 語音預(yù)處理22-23
• 2.4 語音特征提取23-25
• 2.5 常用的模型和算法25-27
• 2.5.1 模板匹配算法25-26
• 2.5.2 概率模型算法26
• 2.5.3 神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)26-27
• 2.6 目前說話人識別存在的問題27
• 2.7 本章小結(jié)27-28
• 第三章 基于前饋神經(jīng)網(wǎng)絡(luò)的說話人識別研究28-42
• 3.1 神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史28-29
• 3.1.1 神經(jīng)網(wǎng)絡(luò)的研究背景28
• 3.1.2 神經(jīng)網(wǎng)絡(luò)的優(yōu)勢28-29
• 3.2 神經(jīng)網(wǎng)絡(luò)模型29-33
• 3.2.1 神經(jīng)網(wǎng)絡(luò)的基本概念29
• 3.2.2 神經(jīng)元29-31
• 3.2.3 拓?fù)浣Y(jié)構(gòu)31-32
• 3.2.4 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式和學(xué)習(xí)規(guī)則32-33
• 3.2.5 神經(jīng)網(wǎng)絡(luò)應(yīng)用于說話人識別的優(yōu)點(diǎn)33
• 3.3 BP神經(jīng)網(wǎng)絡(luò)33-35
• 3.3.1 前饋神經(jīng)網(wǎng)絡(luò)模型33-34
• 3.3.2 前饋計(jì)算34
• 3.3.3 BP算法34-35
• 3.4 BP算法的缺陷35-36
• 3.5 基于GMM和神經(jīng)網(wǎng)絡(luò)混合模型的說話人識別36-41
• 3.6 本章小結(jié)41-42
• 第四章 基于深度學(xué)習(xí)的說話人識別研究42-66
• 4.1 深度學(xué)習(xí)基本理論42-46
• 4.1.1 深度學(xué)習(xí)發(fā)展歷程42-43
• 4.1.2 深度學(xué)習(xí)基本模型分類43-44
• 4.1.3 深度學(xué)習(xí)的應(yīng)用44-45
• 4.1.4 深度學(xué)習(xí)的優(yōu)勢及存在的問題45-46
• 4.2 自動(dòng)編碼機(jī)46-54
• 4.2.1 自動(dòng)編碼機(jī)的原理和結(jié)構(gòu)46-49
• 4.2.2 稀疏性條件及降噪自編碼49-51
• 4.2.3 Softmax分類器51-52
• 4.2.4 棧式自編碼和微調(diào)52-54
• 4.3 深度信念網(wǎng)絡(luò)54-60
• 4.3.1 受限玻爾茲曼機(jī)54-58
• 4.3.2 吉布斯采樣58
• 4.3.3 對比散度算法58-59
• 4.3.4 逐層貪婪訓(xùn)練及微調(diào)59-60
• 4.4 基于改進(jìn)深度網(wǎng)絡(luò)的說話人識別60-65
• 4.4.1 基于降噪自編碼和受限玻爾茲曼機(jī)混合模型的說話人識別60-61
• 4.4.2 基于使用整流線性單元深度網(wǎng)絡(luò)模型的說話人識別61-65
• 4.5 本章小結(jié)65-66
• 第五章 實(shí)驗(yàn)與分析66-82
• 5.1 數(shù)據(jù)庫66
• 5.2 系統(tǒng)結(jié)構(gòu)66-67
• 5.3 實(shí)驗(yàn)平臺67-68
• 5.3.1 判別方法67-68
• 5.4 實(shí)驗(yàn)結(jié)果及分析68-81
• 5.4.1 神經(jīng)網(wǎng)絡(luò)實(shí)驗(yàn)及分析68-75
• 5.4.2 深度學(xué)習(xí)模型實(shí)驗(yàn)及分析75-81
• 5.5 本章小結(jié)81-82
• 第六章 總結(jié)與展望82-84
• 參考文獻(xiàn)84-88
• 攻讀碩士學(xué)位期間發(fā)表的論文88

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 馬志友,楊瑩春,吳朝暉;二次特征提取及其在說話人識別中的應(yīng)用[J];電路與系統(tǒng)學(xué)報(bào);2003年02期

  本文關(guān)鍵詞：基于深度學(xué)習(xí)的說話人識別方法的研究，，由筆耕文化傳播整理發(fā)布。

本文編號：466282