基于SVM-GMM混合模型说话人辨认的研究

建立一种新的混合模型—SVM-GMM模型,用以提高说话人辨认的识别率。阐述高斯混合模型(GMM)和支持向量机(SVM)建立的基本原理,分别指出高斯混合模型和支持向量机在实际应用中的不足之处,并针对两种模型的特点,提出将GMM模型的输出机制引入到SVM模型中,以便于调整支持向量机(SVM)模型的概率输出,并建立SVM-GMM混合模型。通过实验对比,验证使用SVM-GMM模型能有效地提高系统识别率。

高斯超向量-支持向量机鉴别性语种识别系统

支持向量机在语种识别技术中获得了广泛的研究和应用,并且达到和传统混合高斯模型相当的性能。高斯超向量-支持向量机系统将高斯混合模型与支持向量机有效地结合起来,采用高斯超向量核函数,以支持向量机作为后端分类器。重点介绍基于高斯超向量-支持向量机的语种识别系统,并和传统的高斯混合模型系统进行比较。在美国国家标准技术研究院2003年和2007年语种识别评测数据集上进行实验。实验结果表明,高斯超向量-支持向量机系统相对于混合高斯模型建模的方法,在长时数据上有较明显的性能优势。

基于重组超矢量的GMM-SVM说话人辨认系统

在传统的高斯混合模型-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矢量空间中得到的超矢量(Super Vector)直接对说话人进行建模与识别,由于没有考虑到超矢量内各均值矢量之间的关联性,识别性能有限。为此,提出了基于重组超矢量构建文本无关的GMM-SVM说话人辨认系统。该系统充分利用各相邻高斯分量的均值矢量的高度关联性,保证了重组后的超矢量能充分反映说话人身份的内在细节,使得系统具有充分利用SVM处理高维小数据性能的优越特点。验证实验结果表明,与传统的GMM-SVM系统相比,重组超矢量GMM-SVM说话人辨认系统显著地缩短了系统建模的时间,同时有效地提高了说话人的辨别率。

基于多核SVM-GMM的短语音说话人识别

运用多个核函数的线性组合构造多核空间,在多核空间上设计了基于支持向量机的说话人分类器,实现短语音说话人识别。多核映射能够解决单核映射核函数及其参数选择的难题,增加说话人的可区分性,提高分类器的性能。算法中结合了高斯混合模型(GMM),并以GMM超向量作为说话人的最终特征参数进行仿真实验。实验表明,在短语音和两种噪声环境中,基于多核SVM-GMM的短语音说话人识别算法较SVM-GMM算法能得到更好的识别性能和鲁棒性。

融合GMM及SVM的特定音频事件高精度识别方法

针对特定音频事件识别中持续时间特别短的音频事件漏检概率高、识别速度较慢的问题,提出一种融合高斯混合模型(GMM)及支持向量机(SVM)的特定音频事件识别算法.该方法利用GMM的统计分布描述能力和SVM的推广泛化能力,将GMM和SVM分别识别的结果进行融合处理,以手枪、步枪、机关枪等10类以上枪声为实验数据,无需针对每种枪声生成相应的识别模板,仅需训练生成2个识别模板.实验结果表明,识别准确率达到92.71%.该方法模板数量少,不需要多次训练,算法复杂度较低,不仅便于应用而且可大幅提升识别效率.

基于i向量的SVM说话人确认

针对SVM处理定长语音向量的局限,将新型的定长i向量应用于说话人确认.该算法首先在整体注册说话人的高斯混合通用背景模型上应用MAP自适应算法提取说话人的GMM超向量,紧接着在超向量空间分析全局差异空间矩阵,获得低维的定长i向量,用于支持向量机的训练.仿真实验结果验证了该算法的有效性.

基于双约简的GMM说话人辨识

如何能够快速准确的实现说话人识别是说话人识别研究的一个重要环节。提出双约简GMM的说话人确认方法,对语音参数进行核K-均值聚类,提取聚类中心的语音特征矢量作为训练数据,并对其进行fisher比约简,提取具有区分力强的维数。实验表明该文提取方法可以减少训练时间,并提高系统的鲁棒性。

区分性锚模型应用于语种识别的研究

在语种识别领域,语音所含说话人的差异会影响系统识别性能。基于此,对能够实现说话人无关的锚模型进行研究。根据其在语种识别中的应用原理,结合快速区分性训练思想,提出一种语种区分性的锚模型训练算法。实验结果表明,锚模型的引入能提高系统识别性能,加入语种区分性的锚模型能进一步降低系统等错误率。

基于GMM的人体运动姿态的追踪与识别

随着人工智能等技术的兴起,利用机器视觉对视频中运动目标进行追踪与识别在工业、交通、医疗和运动训练等领域都得到应用.对视频中人体运动姿态进行准确快速的检测,是目前一个热门的研究方向.本文采用改进的混合高斯背景模型(GMM)算法对视频每帧图像进行前景提取,通过帧间差分法分析得出不同差值对应的学习率,从而实现对背景模型更准确的更新,进而得到一个精确的二值化的前景图像;并将生成二值图像由更新后的像素与高斯B均值比较,得到背景或前景图像;再对处理后视频图像进行比对,利用Shi-tomasi算法提取图像特征点并进行追踪,获取运动目标轮廓并绘制出边缘,经过SVM训练实现对走、跳、跑3种人体运动姿态的实时追踪和识别.

结合FCM聚类与SVM的火焰检测算法

针对传统视频型火焰检测算法误报率高、局限性强等问题,提出一种四步火焰检测算法。首先利用一种自适应混合高斯模型(GMM)检测视频序列中的运动目标;然后采用模糊C均值(FCM)聚类算法分割疑似火焰区域与非火区域;再提取疑似火焰区域的面积变化、表面不均度等时空特征参数;最后将这些特征参数输入训练好的支持向量机(SVM)分类器以识别火焰区域。实验结果表明,算法不但在提高了检测率的同时降低了误检率,而且适用范围广,是一种有效的火焰检测算法。

基于均值漂移和双层群结构模型的群目标GMPHD滤波

针对不可分辨群目标跟踪算法中群合并、交叉及分裂前后群目标数出现漏估及量测划分数多、计算量大两个问题,提出一种基于均值漂移(MS)和双层群结构(BGS)模型的群目标高斯混合概率假设密度(GMPHD)滤波算法.该算法采用MS进行量测划分,同时依据第2层群结构反馈回的群信息判断是否需要进行2次划分;然后,采用基于椭圆随机超曲面模型(RHM)的群目标GMPHD滤波进行预测更新和状态提取;最后,使用提取出的群目标状态进行第二层群结构更新,并将所得群信息反馈回量测划分步.仿真对比实验表明,所提出算法可获得更高的实时性,能够解决群目标合并、交叉及分裂前后群数目的漏估问题.

NAP序列核函数在话者识别中的应用

针对话者识别系统中特征向量不定长和交叉信道干扰等问题,提出一种基于超向量的扰动属性投影(NAP)核函数。该函数是一种新型的序列核函数,使支持向量机能在整体语音序列上分类,移除核函数空间中与话者识别无关的信道子空间信息。仿真实验结果表明,该函数可有效提高支持向量机的分类性能和话者识别系统的识别准确率。

语种识别算法中GSV计算的定点仿真与实现

基于GSV-SVM的语种识别方法是目前最为流行的语种识别方法之一,其采用基于通用背景模型GMM-UBM的GSV作为声学模型,支持向量机SVM作为区分模型。大量仿真测试结果表明,GSV在整个系统中占的运算量为80%左右,是算法硬件实现的瓶颈。鉴于此,对基于GSV的硬件实现方法进行了研究,提出了一种快速GSV定点计算方法,其采用addlog运算简化对数似然函数的计算,完成了语种识别的高效定点实现。实验结果表明,该定点方法的识别率与浮点识别基本一致,满足应用要求。

基于稀疏表示分类的说话人识别算法及其在智能考勤系统中的应用

智能考勤系统在企业对员工的出勤考查中具有十分重要的作用。为了提高语音考勤系统的准确性,提出基于稀疏表示的说话人识别算法。该算法在通用背景模型的基础上提取说话人语音的高斯混合模型超向量,采用线性判别分析技术对超向量进行信道补偿和降维,再由低维超向量形成稀疏表示的过完备字典。根据话者测试语音在过完备字典上的重构误差,对话者的身份进行验证。实验结果表明,基于稀疏表示分类的语音考勤系统具有良好的性能。

HMM2小波变换的参数估计

在观测噪声和马尔可夫链不相互独立的条件下提出了一种新方法来解决通过小波变换后的二阶隐马尔可夫模型(second-order HMM:HMM2)中高斯混合模型的参数计算问题.这种方法可以不必根据变换后的数据对系统参数进行重新估计,只需利用变换后输出的小波系数直接计算即可,避免了保留所有训练数据的繁琐复杂计算过程.

基于稀疏表征的话者识别

近年来,随着信号的稀疏性理论越来越受到人们的关注,稀疏表征分类器也作为一种新型的分类算法被应用到话者识别系统中。该模型的基本思想是:只要超完备字典足够大,任意待测样本都能够用超完备字典进行线性表示。基于信号的稀疏性理论,未知话者的向量系数,即稀疏解可以通过L1范数最小化获取。超完备字典则可视为语音特征向量在高斯混合模型-通用背景模型(GMM-UBM)上进行MAP自适应而得到的大型数据库。采用稀疏表征模型作为话者辨认的分类方法,基于TIMIT语料库的实验结果表明,所采用的话者辨认方法,能够大大提高说话人识别系统的性能。

基于韵律特征的SVM说话人确认

提出了一种基于韵律特征和SVM的文本无关说话人确认系统。采用小波分析方法,从语音信号的MFCC、F0和能量轨迹中提取出超音段韵律特征,通过实验研究三者的韵律特征在特征层的最佳互补融合,得到信号的韵律特征PMFCCFE,用韵律特征的GMM均值超矢量作为参数训练目标话者的SVM模型,以更有效地区分目标话者和冒认话者。在NIST068side-1side数据库的实验表明,以短时倒谱参数的GMM-UBM系统为基准,超音段韵律特征的GMM-SVM系统的EER相对下降了57.9,MinDCF相对下降了41.4。

基于区分性Model Pushing的语种识别方法

提出一种区分性Model Pushing方法,将SVM训练出的支持向量沿最优分类面的法线方向进行适当移动,增大不同语种间的区分性,然后将移动后的支持向量反向应用于GMM。该方法既保留了SVM的区分性信息,又利用了GMM在短时语音上的优势,同时增加了目标与非目标的区分度。实验结果表明,区分性Model Pushing能有效地提高识别性能。

基于扰动属性投影的说话人确认系统

在说话人确认系统中,由于训练和测试语音来自不同的信道,会产生信道失配现象。为此,提出一种基于扰动属性投影的说话人确认系统。利用有信道标注信息的语音训练出高维空间映射矩阵,通过映射将自适应得到的超矢量作为SVM的输入,削弱说话人特征中的信道信息。实验结果表明,该系统能降低信道失配带来的负面影响。

基于UCR训练集重构的真实语音情感识别

真实语音情感识别是使人机交互更加友好的重要手段,但是训练数据稀缺为这一领域带来很多挑战。为了减小这一阻碍,提出了语句串接与重采样(UCR)方法,以便高效利用存在的训练数据。UCR方法是将原始音频样本按照情感类型进行串接,形成一个长的音频流,以一个固定粒度对其随机乱序,然后将其切割,并通过多次重采样操作来增加支持向量机(SVM)的训练样本数。实验基于一个从访谈节目中录制的真实语音情感库。实验结果表明,在统一背景模型-高斯混合模型-支持向量机(UBM—GMM—SVM)识别框架中这种训练集重构的方法错误率降低近33.10%。