语言辨识的矢量量化方法(VQ)

与语音处理的其他领域相比 ,自动语言辨识是一个相对较新的研究 ,而且是一项较难的课题。本文给出了语言辨识的两种矢量量化方法 ,并利用OGI TS电话语音库对 2种算法的性能进行了测试 ,然后给出了实验结果。 2种算法的最佳识别率分别为 6 5 .3 8%和 73 .0 8%。

基于概率统计直方图的压缩域说话人识别

压缩域说话人识别算法(Compressed-domain automatic speaker recognition,CD-ASR)即从压缩语音数据中直接提取压缩参数进行说话人识别,无需参数译码和波形合成。本文提出了基于概率统计直方图的VoIP压缩域说话人识别算法,包括矢量量化统计直方图和高斯混合模型统计直方图两种方法。在给出了G.729,G.723.1(6.3 kb/s),G.723.1(5.3 kb/s)压缩码流的压缩域特征提取方案后,分别以矢量量化统计直方图和高斯混合模型统计直方图作为识别模型进行说话人识别。实验结果表明,概率统计直方图法比在压缩码流中提取同样识别参数的GMM模型,识别率有很大提高。