基于LPC倒谱参数和支持向量机技术的说话人识别系统

采用能够反映人对语音的感知特性的线性预测(LPC)倒谱参数作为特征参数,同时针对支持向量机技术对模式识别中的非线性、高维数的样本问题有非常好的分类效果和学习推广能力,设计了一个支持向量机分类器来进行说话人识别。试验结果验证了该系统有很高的识别率和较强的鲁棒性。

擦音LPC倒谱特征在法庭说话人识别中的应用

为了探究擦音在法庭说话人识别中的应用价值,以汉语普通话擦音/s/为代表,对其LPC倒谱特征的说话人识别性能进行了分析测试。基于90位成年男性的两次非同时语音样本数据库,采用似然比框架的法庭证据强度评估方法,对/s/的LPC倒谱特征在不同语音信号频率范围和不同数据库规模条件下进行了说话人识别性能的测试评价。研究结果表明,擦音的LPC倒谱特征具有一定的话者区分价值,但是作为单一识别参数使用价值有限,应该与其他参数特征结合使用,以提高法庭说话人识别的准确性和可靠性。

基于LPC倒谱特征融合的法庭说话人识别方法

为了探究辅音与元音LPC倒谱特征融合后对法庭说话人识别性能的影响,对汉语普通话中辅音/s/与元音/i/的LPC倒谱特征进行了特征融合,并使用逻辑回归方法对特征融合后的系统输出得分进行校正,同时在似然比框架内基于该融合特征进行了说话人识别的性能测试。结果表明,相对辅音/s/而言,元音/i/的LPC倒谱特征的识别性能更优,特征融合后的系统识别性能比单一使用/s/和/i/的LPC倒谱特征识别时有较大提升。LPC倒谱特征融合在提升说话人识别性能方面具备应用潜力。

基于LPC美尔倒谱特征的带噪语音端点检测

复杂的噪声环境是语音识别系统在实际应用中性能下降的原因之一,识别预处理中的带噪端点检测作为关键技术,其性能的优劣某种程度上决定了识别率的高低。笔者提出了基于LPC美尔倒谱特征的带噪端点检测方法,对语音信号分高低频段分别提取LPC美尔倒谱特征分析,根据Mel倒谱距离判决,采用自适应噪声估计,实验结果表明,该方法计算效率较高,低信噪比下有较好的检测性能。

基于倒谱与复杂性的说话人确认系统

基于传统的LPC倒谱特征和KC复杂性特征建立了一个说话人确认系统,采用了YOHOspeakerverification数据库训练模板和测试该说话人确认系统,取得了较好的说话人确认效果。实验证明:传统的基于线性理论基础上的说话人识别特征提取方法,与基于非线性理论的KC复杂性特征基本无相关性,因此这两类特征如能相互结合,有着良好的互补特性,能够大幅度的提高系统性能。这说明新提出的说话人的KC复杂性特征是一个非常有用的传统线性特征的有效辅助特征。

两种倒谱特征提取技术在水声目标识别中的应用

按照声纳员的感受,被动声纳目标被看作为一个发声体,目标噪声信号表示为激励噪声源与发声体冲激响应的卷积,在这一模型下,使用倒谱分析水声目标噪声的时域特征。提出利用线性预测倒谱和考虑人耳听觉特点的美尔倒谱分析发声体的冲激响应在倒谱域中的表示,据此对水声噪声信号提取这两种倒谱的特征,进行分类识别。设计了神经网络分类器,利用实测数据对三类目标进行分类。分析比较两种方法的分类结果,验证了基于倒谱的水声目标特征提取方法的可行性。

一种修正的倒谱公式及其在说话人识别中的应用

本文介绍了倒谱参数的特点,讨论了倒谱参数在基于隐马尔可夫模型(HMM)的说话人识别系统中的应用.推导了计算LPC倒谱的递推公式,并根据实验结果对该公式进行了修正,给出了实验公式.实验数据表明,修改后的倒谱公式用于与文本无关的说话人识别系统使系统的正确识别率显著提高.

基于高斯混合模型的说话人确认系统

由于在人的话音频谱中 ,低频和较高频段含有较多说话人的个性信息 ,本文提出一种LPC倒谱的改进算法用于与文本无关的说话人识别。该改进算法通过话音频谱的各频段进行加权 ,突出说话人的个性信息 ,从而使说话人更易于区分。

HMM在说话人识别系统中的实现

介绍了隐马尔可夫模型及其主要解决的3个基本问题,以及在说话人识别系统中实现的基本过程,并对256和512码本、文本相关与文本无关进行比对,得出文本相关的识别率更高的结论并分析了其原因。

语音信号共振峰提取方法的研究分析

目前的提取语音共振峰的方法比较多,常用的方法有倒谱法、LPC谱估计法、LPC倒谱法,但没有一种方法是十分完美的,为了系统的深入的研究共振峰的提取,本文对同一帧语音信号进行了不同方法的共振峰提取实验仿真,给出了具体的共振峰频率数据,同时对不同方法的优缺点进行了科学的、深入的研究分析,用Matlab对算法进行仿真实现,实验结果表明共振峰的提取方案中LPCC倒谱法避免了一般同态处理中对复对数的麻烦,可以较为理想的实现对共振峰的提取。

基于matlab变声器的设计

为了实现由男声变换到女声,在语音信号参数分析过程采用短时自相关法提取语音信号的基音周期,同时用LPC倒谱分析法分析共振峰的范围,通过matlab编写程序修改语音参数并接近于女声的范围,构置GUI界面。在实验中,输入一段语音信号,输出时即实现了由男声到女声的变换效果。因此对于语音信号参数的修改能够实现男女声音之间的变换。

用于分布式识别的语音参数的提取和性能分析

主要研究用于分布式语音识别(DSR)的语音参数的提取方法以及参数性能分析。以前所用到的语音参数大部分是LPC倒谱参数,但其抗噪声性能较差。文中主要讨论了MEL倒谱参数,并在移动通信环境下,比较了两者的性能。

手机语音变声及说话人识别系统设计

通过相关性计算和LPC倒谱法分别估计出语音的基因周期和共振峰范围,线性预测合成法重构语音,实现变声;使用基于MFCC参数的GMM模型识别原始说话人,识别率86.6%,使用基于压缩感知的MFCC参数GMM模型改进该系统,识别率90.11%。