联合HMM-UBM与RVM的声纹密码识别算法

针对声纹密码识别中声纹文本信息利用率低和噪音干扰的问题,提出隐马尔科夫模型-通用背景模型(HMM-UBM)融合相关向量机(RVM)的声纹识别算法。利用HMM-UBM对语音信号进行时序建模,使用RVM学习得到每位注册话者语音的分类信息。通过对待识别话者建立HM M模型,并将RVM作为分类器进行判决决策得到分类结果。实验结果表明,与GMM-UBM算法和GMM-SVM算法相比,在无噪声环境下,该算法错误接收概率降低7%～9%,识别正确率提高4%～5%,在低信噪比环境下,其识别正确率提高5%～12%。

基于HMM-UBM的声纹密码识别

声纹识别中,提出基于隐马尔可夫-通用背景模型的识别算法.针对声纹密码中每个人的注册语音数据量很少的问题,提出使用大量其他人数据先建立话者无关的声韵母隐马尔可夫模型作为通用背景模型,再根据最大后验概率准则,以通用背景模型为基础使用训练语音自适应获得说话人模型.该方法解决在声纹密码识别中训练数据不足的问题.在讯飞桌面数据库Ⅱ上,采用该算法的系统的等错误率为6.8%.

基于Viterbi解码技术的智能语音交互算法研究

针对目前语音交互技术语音识别效果较差的问题,文中基于Viterbi搜索解码技术,结合前端处理(语音信号)、声学和语言模型,在连续语音识别结构中引入了音素、音节识别结构,设计了面向汉字关键词的智能语音交互算法。该算法依次通过连续语音识别器、关键词搜索器、置信度确认、关键词确认等过程,实现了对语音中关键词的有效检测。通过在人机交互平台的测试结果表明,该算法的查准率为90%、召回率为95%、误识率为13%,具有良好的性能。