一种基于微结构特征的多文种文本无关笔迹鉴别方法

与字符识别一样,计算机自动笔迹鉴别是一个涉及到不同文种的研究课题.本文提出了一种基于网格窗口微结构特征的文本无关的笔迹鉴别方法,能适用于各种不同文种的笔迹.该方法对笔迹中局部细微结构的书写变化趋势进行描述,并采用加权距离度量方法进行笔迹相似性度量.利用该方法实现了文本无关的多文种笔迹检索系统,并在实际汉字、英文、藏文和维吾尔文的笔迹库上进行了测试.实验证明,该方法是一种高效且适用性较广、限制性较少的笔迹鉴别方法.

基于高斯语音滤波的稳健文本无关说话人识别

基于高斯模型,提出一种去除实际电话录音中噪音、静音等非语音信号的新方法。与传统的语音检测器方法相比,基于高斯语音滤波的方法在不同信道条件下都可以自动进行,更好地保留了与说话人身份有关的信息。实验结果表明,采用该方法的系统的等错误率比传统方法最多下降了21.2%。

基于改进VQ算法的文本无关的说话人识别

基于矢量量化的说话人识别,因其运算过程简单等特点,在文本无关的说话人识别领域有着广泛的应用。论文根据说话人识别中训练语音的特点并结合快速搜索算法,对矢量量化的码书形成算法进行了改进,提出了一种基于改进算法的与文本无关的说话人识别方法。经实验结果证明,论文的方法加快了码书的形成,减少了码书形成的计算量,改善了码本的性能,提高了说话人识别的识别率。

基于长时平均频谱的“文本无关”话者识别

文章以动窗离散傅立叶变换为基础获取说话人的长时平均频谱 (即短时频谱的长时平均 ) ,然后将长时平均频谱经过能量归一化和频率归一化后作为“文本无关”话者识别的语音特征。分析之前 ,语音样本经过频域预加权和时域汉明窗加权处理 ,并利用帧能量门限自动去除了样本中的寂静段。通过在小人群范围内对该方法的大量实验 ,得到很好的话者识别效果。另外 ,作为“文本无关”话者识别的一个重要辅助手段 ,文章还利用短时频谱分析给出了话者语音样本的窄带三维语图和宽带三维语图 ,它们能清晰地给出话者语音的时变频率特征。

用于文本无关的话者识别的超音段信息提取

提出一种可用于较少语音数据量的文本无关的超音段信息提取方法。通过对基音和能量的轨迹动态分段,提取超音段信息,并使用异方差线性区分分析(HLDA)进行参数优化,克服超音段信息提取对数据量大小的依赖,同时采用混合高斯-统一背景(GMM-U BM)模型结构,建立文本无关话者识别系统。在N IST′01数据库上的实验表明,该系统性能优于基于短时帧的音源信息参数系统,更重要的是不需要大数据量的支持,且与基于短时帧倒谱参数的话者识别系统融合后,系统识别性能明显改善,等误识率相对下降10%。

基于超音段韵律特征和GMM-UBM的文本无关的说话人识别

提出一种采用超音段韵律特征和GMM-UBM模型结构的文本无关的说话人识别方法,用多尺度小波分析方法从短时倒谱参数MFCC和基频F0随时间变化的韵律中分别提取可用于文本无关说话人识别的超音段韵律特征参数PMFCC和PF0,并组成联合参数PMFCCF0.在NIST068side-1side复杂背景电话手机语音数据库上的说话人确认实验则表明,采用一阶小波分析方法提取的超音段韵律参数PMFCC的识别性能与短时MFCC相当,采用超音段韵律特征PMFCCF0的系统确认性能比采用短时MFCC系统有较大的提高.在微软数据库进行不同信噪比测试语音的说话人辨认实验表明,PMFCCF0有比短时MFCC更好的噪声鲁棒性.

采用帧概率变换的与文本无关说话人识别系统的实现

从基于GMM的与文本无关说话人识别系统的帧似然概率的统计特性出发,提出了一种对目标和非目标模型帧似然概率进行补偿变换的方法。理论推导和实验结果表明,与GMM常用的最大似然(ML)变换相比,该变换能使系统降低误识率达8.6%,因此,证明了该变换能够改善基于GMM的与文本无关说话人识别系统的识别率。

多特征组合多分类器的方法用于“文本无关”的说话人辨认(英文 )

组合多分类器可以看作是一种用于获得较高识别效果的混合系统。重点探索了以不同特征作为输入的组合多分类器方法。实验结果表明：利用多特征组合多分类器的方法可以提高“文本无关”说话人辨认系统的识别率和可靠性。

基于VQ的与文本无关的说话人确认系统

通过介绍说话人确认系统,采用能够反映人对语音的感知特性的Mel频率倒谱系数(MFCC)作为特征参数,同时提出了用训练得到的码本以及平均失真作为表征说话人的模型,对说话人确认系统中距离测度做出了相应的改动。实验结果表明系统具有较好的性能。

文本无关的说话人识别研究

介绍说话人识别技术发展情况,阐述包括特征提取、识别算法和区分算法在内的文本无关说话人识别系统的整体技术框架和基本工作原理针对文本无关说话人识别相关技术给出了近几年主要发展的高斯超向量—支持向量机模型(GSV-SVM)、联合因子分析模型(JFA)和鉴别性向量(i-vector)模型,并对3种模型进行了分析比较:指出GSV-SVM模型可以提高识别系统性能;JFA模型能提高系统性能但计算量过大,难以实现应用;i-vector模型降低了计算量,并能提高识别精确度和效率,是目前的研究热点。最后指出当前文本无关说话人识别的研究难点和热点。

似然得分归一化及其在与文本无关说话人确认中的应用

该文研究了似然得分归一化方法的原理,建立了基于自适应GMM模型的说话人确认系统,并将非特定人的背景模型与特定人的cohort模型相结合,提出了混合归一化的方法。在电话语音条件下,该文比较了不同得分归一化方法对确认系统性能的影响。实验表明,在自适应GMM模型似然比得分的基础上,T-cohort与通用背景模型混合归一化能获得最佳识别效果。当错误拒绝率为5%时,该方法可以获得0.5%的错误接受率,远远低于采用通用背景模型归一化方法的2%。

优先度排序RBF神经网络在与文本无关说话人确认中的应用

该文介绍了优先度排序径向基函数(PORBF)神经网络的结构与算法,并提出了将其应用于与文本无关说话人确认时的训练算法、似然度的计算方法以及识别规则。为了增强PORBF网络的泛化能力,该文用压缩矢量构造抑制样本集,提出了顺序选取、最近邻选取和最远距离选取等3种选择抑制样本集中说话人的方法,并对PORBF神经元的输出进行了等比递减加权.在相同条件下的与文本无关说话人确认实验中,传统的矢量量化方法的等差错率可达10.56％,而基于PORBF网络的确认系统使用最近邻选择方法构造抑制样本集,其等差错率可达6.83％;性能提高很多。

基于单字的内容相关文本无关笔迹验证方法

针对现有的文本相关和文本无关的笔迹验证方法无法处理笔迹中仅含有少量且完全不同字符的情况，提出了基于非限定单字字符的内容相关文本无关的笔迹验证方法（半文本无关方法），填补了这一方面的空白。此内容相关文本无关方法通过获取笔迹的字符内容信息，利用线性鉴别分析，可以从不同字符的样本中获取书写入的笔迹风格信息。为了减小不同字符的结构差异所带来的巨大类内变化，引入了表征字符样本内容信息的标准模板，并以内容作因子对原始特征向量与标准模板的差向量进行归一化，最后将这一主要表示字符风格信息的归一化差向量代替原始特征向量用于鉴别分析。实验证明，在笔迹间字符完全不同的极端条件下，该方法比现有的文本无关方法有更高、更鲁棒的性能。

基于修正Mel子带系数的文本无关的说话人识别

与文本无关的说话人识别具有用户使用方便、可应用范围较宽等优点,是当前说话人识别技术的研究重点。对文本无关说话人识别系统中的特征参数提取进行了研究,通过对Mel子带系数进行修正,增强了说话人识别系统中说话人之间的频带差异,提高了特征空间中类别的可分性,得到了更能体现说话人个性特征的Mel子带系数,从而提高了说话人识别系统的平均正确识别率。

基于ARVM的与文本无关的说话人识别算法

该文提出了一种新的与文本无关的说话人识别算法。这种算法使用了能处理说话人交叉变量的语音信号频谱变化的模型。使用了两种不同音质的语音,即″纯净音质″和″电话音质″来测试这一算法,得到了很好的实验结果。

模糊相关性文本无关矢量量化说话人辨认研究

文本无关说话人识别的一个关键问题是寻求一种有效的说话人个性特征量。利用模糊向量内积理论,提出了一种新的物理量:连续特征矢量模糊相关度(CFVFC),以反映相邻特征矢量间的相关性,进而突出说话人的个性特征,并在此基础上研究了新的矢量量化(VQ)说话人识别方法。实验表明CFVFC是一种有效的识别信息,对于干净语音的说话人辨认,可以提高识别系统的识别率;在加噪声情况下,能增强识别系统的鲁棒性。

文本无关发音质量评估系统中声学模型的若干研究和改进

在无关的发音质量评估系统中,需要先识别出待测语音的说话内容,才能进行准确评估。真实的评测数据往往有很多不利的因素影响识别正确率,包括噪声、方言口音、信道噪声、说话随意性等。针对这些不利因素,本文对声学模型进行了深入的研究,包括:在训练数据中加入背景噪声,增强了模型的抗噪声能力;采用基于说话人的倒谱均值方差规整(SCMVN),降低信道及说话人个体特性的影响;用和待测语音相同地域的朗读数据做最大后验概率(MAP)自适应,使模型带有当地方言口音的发音特点;用自然口语数据做MAP自适应,使模型较好地描述自然口语中比较随意的发音现象。实验结果表明,使用这些措施之后,使待测语音的识别正确率相对提高了44.1%,从而使机器评分和专家评分的相关系数相对提高了6.3%。

文本无关的说话人识别系统抗噪方法研究

研究了基于美尔倒谱特征参数及高斯混合模型的文本无关的说话人识别系统,为了提高噪声环境下识别系统的识别率,从两个角度研究改善该系统抗噪性能的方法,即利用语音识别将文本无关的系统转化为文本有关的说话人识别方法和通过选择鲁棒性较强的帧进行说话人识别的方法,分析了以上方法对系统识别性能的改善作用,并通过实验验证上述方法确实可以提高系统在噪声环境下的识别率。

基于优化分割重建图像的文本无关笔迹鉴定

笔迹鉴定的主要过程首先是系统把手写的笔迹文字通过扫描仪输入计算机,然后对原始笔迹的图像进行预处理。在预处理阶段,本文提出了优化分割重建图像的归一化预处理方法,在参数提取阶段,本文采用多通道二维Gabor滤波器,通过计算4个方向每个方向4个频率来提取的笔迹特征。本文对10个人任意书写的笔迹进行实验,鉴别正确率得到较好的提高。

文本无关说话人确认中的一种新的评分规整方法

对于采用统一阈值的,基于高斯混合模型(GMM)的文本无关说话人确认系统,由于不同的话者模型的输出评分分布的不同,会影响到系统的确认性能,为此,需对输出评分进行规整。本文提出了一种新的评分规整方法-整体规整。整体规整同时考虑了不同测试语音和不同话者模型的差异,并在评分域做出调整,使得所有语音的输出评分具有相似的分布,从而使系统整体分类能力得以保证。在NIST’03电话语音库上进行的实验表明,采用了整体规整后的系统性能和传统的评分规整方法比较,有了明显提高。