基于概率修正PLDA的说话人识别系统

为减弱注册语音与测试语音时长不一致对说话人识别性能的负面影响,提出一个概率修正PLDA建模方法.根据语音时长自适应改变传统PLDA模型中i-vector的概率分布函数,提高PLDA对每个说话人每段语音的时长表征能力,以增强说话人类别的区分度.为验证基于概率修正PLDA模型的有效性,进行了NIST SRE10 corecore测试集在3种不同时长的评测实验,以及NIST 2014 i-vector machine learning challenge测试任务.结果表明,相较于传统的PLDA训练模型,通过语音时长的约束提高了说话人识别性能.

基于BIC和G_PLDA的说话人分离技术研究

传统的以贝叶斯信息准则(Bayesian information criterion,BIC)作为相似性度量的说话人分离技术,在短时对话的分离任务中能取得较好的效果,但是随着对话时长的增加,BIC的单高斯模型不足以描述不同说话人数据的分布,且层次聚类(Hierarchical agglomerative clustering,HAC)时,区分相同说话人和不同说话人的门限值难以划定.针对此问题,提出基于短时BIC和长时G_PLDA的融合方法,充分利用BIC在短时聚类的可靠性和G_PLDA在长时段上的优异区分性,在美国国家标准技术局(NIST)08Summed测试集上的实验表明,该方法将分类错误率(DER)从BIC基线系统的2.34%降到1.54%,性能相对提升34.2%.

PLDA:AS级的Internet拓扑生成算法

Internet拓扑建模是进行Internet研究的基础。PLOD是一种AS级的Internet拓扑生成算法,但PLOD算法不能保证生成拓扑图的连通性,且存在"出度贷款过剩"现象。对PLOD算法进行改进,提出PLDA算法。在AS节点连接时添加连通性检测,并对出度大的AS节点实行优先连接,较好地解决PLOD算法存在的问题。实验结果表明,PLDA算法是有效可行的。

基于T矩阵归一化PLDA的说话人确认

利用i-vector/PLDA模型进行说话人确认时,对于不定时间的语音,由于将长度归一化后的i-vector转化到PLDA模型时,伴随着不确定性的扭曲和缩放,影响识别率。本文通过对全变量空间矩阵T的列向量执行归一化,代替在PLDA模型上对i-vector进行长度归一化,避免因在i-vector上执行长度归一化,导致转移到PLDA模型上产生不良的扭曲。实验结果表明,该方法得到和长度归一化相似的效果,部分效果要优于长度归一化。

Hadoop环境下基于PLDA的图像场景分类方法研究

针对大规模图像场景分类速度缓慢的问题,提出了一种Hadoop环境下基于PLDA的图像场景分类方法.首先利用Hadoop分布式存储系统HDFS存储图像数据;其次通过扩展MapReduce数据类型以及输入类型使得每幅图像作为一个MapReduce任务的数据处理单元;然后利用MapReduce分布式提取图像SIFT特征,并使用Bag-of-Features模型将其转化成词频向量;最后使用MapReduce实现了PLDA算法,并在此基础上完成了Hadoop环境下基于PLDA的图像场景分类.实验结果表明,该方法能够充分利用MapReduce的分布式特性,在分类结果合理的情况下,大幅提高了图像场景的分类速度.

基于PLDA的多信道多语音说话人确认研究

在NIST SRE 2012年评测和实际应用中,可以用说话人的多个语音样本来注册说话人模型,并且这些语音样本取自于各种各样的信道。本文基于PLDA,尝试了多种打分方法,并提出一种新的得分规整技术,在NIST SRE 2012核心测试集上,EER平均提升26.0%,MinCost平均提升12.4%。

高斯PLDA在说话人确认中的应用及其联合估计

近年来,基于总变化因子的说话人识别方法成为说话人识别领域的主流方法.其中,概率线性鉴别分析(Probabilistic linear discriminant analysis,PLDA)因其优异的性能而得到学者们的广泛关注.然而,在估计PLDA模型时,传统的因子分析方法只更新模型空间,因此,模型均值不能很好地与更新后的模型空间耦合.提出联合估计法对模型均值和模型空间同时估计,得到更为严格的期望最大化更新公式,在美国国家标准与技术局说话人识别评测2010扩展测试数据库以及2012核心测试数据库上,等错率得到一定提升.

基于PLDA的说话人识别时变鲁棒性问题研究

随着时间的变化,人的声音也会发生变化。这对说话人的识别带来了一定的影响。通过研究发现,说话人识别的性能与时间有着线性变化的规律。传统的说话人识别系统使用GMM-UBM模型并不能很好地学习出线性变化规律。由于概率线性判别分析(PLDA)对于类内与类间有着很好的线性区分度,所以为了解决线性变化的问题,选择概率线性判别分析的方法学习说话人识别中时变的线性变化规律。从实验结果看出,PLDA对于说话人识别的识别鲁棒性具有很好的提升。

基于似然比框架的法庭说话人自动识别系统构建与验证

为了探究法庭说话人自动识别技术在司法实践中的应用价值,研究使用深度神经网络提取说话人身份向量,并构建了基于d-vector PLDA的法庭说话人自动识别系统,选用开源语音数据集VoxCeleb1和VoxCeleb2作为系统评测语料,在似然比框架下,利用不同采样率的语音数据和不同规模的训练数据集进行了系统测试和性能验证实验。结果表明,基于d-vector PLDA模型的法庭说话人识别系统识别性能优良,在司法语音实践中具有良好的潜力和应用前景,而基于高采样率语音数据的训练测试和较大规模PLDA自适应训练数据集的系统识别效果更佳。

基于大数据的需求驱动的职业能力培养研究

提出了一个基于大数据的人才培养方案,该方法首先从互联网上海量的招聘信息中获取该类别岗位的能力需求特征;接着在制订人才培养方案时遵循岗位类别—能力需求特征—知识结构、能力结构和素质结构的路径来设计培养目标和培养规格,从而实现需求驱动的职业能力的培养。

等离子消融髓核成形术联合神经阻滞治疗椎间盘源性腰痛的临床观察

目的观察等离子消融髓核成形术联合神经阻滞治疗椎间盘源性腰痛的临床疗效。方法将183例椎间盘源性腰痛患者随机分为对照组91例、治疗组92例,分别予综合疗法联合神经阻滞治疗、等离子消融髓核成形术联合神经阻滞治疗,观察两组患者治疗前后目测类比疼痛(Visual Analog Scale VAS)评分、改良Stauffer-Coventry评定系统术后日常活动及满意率等指标。结果治疗组VAS评分和日常活动及满意率均优于对照组(P<0.05或P<0.001)。结论等离子消融髓核成形术联合神经阻滞治疗椎间盘源性腰痛疗效显著,值得临床推广。

临床路径在等离子消融髓核成形术治疗椎间盘源性腰痛的效果观察

目的:分析等离子消融髓核成形术治疗椎间盘源性腰痛的临床路径(clinical pathway,CP)效果。方法:将120例椎间盘源性腰痛患者随机分为常规治疗组(简称对照组)60例和临床路径治疗组(简称CP组)60例,对照组采用常规的治疗模式,CP组采取临床路径治疗模式,对治疗后两组患者的平均住院天数、住院费用、抗生素使用天数、药费比、病人满意度、健康知识掌握情况等方面进行比较。结果:与对照组比较,治疗组患者的住院天数、住院费用、抗生素使用天数和药费比减少,病人满意度及健康知识掌握情况提高,均有统计学意义(P<0.05)。结论:临床路径可以节约医疗资源,提高社会效益,值得临床推广。

基于改进MFD的I-Vector说话人识别

基于I-Vector的说话人识别系统通常采用LDA进行信道补偿和特征降维,在开发集样本有限的情况下,LDA的区分性不强。基于此,提出一种改进I-Vector说话人确认算法。在话者样本数较少的情况下,以中值i向量代替均值i向量作为集中统计量可以减少区分信息的丢失。随着样本数量增加,改进中值分类器,采用去最大最小值后求均值的方法作为i向量的集中趋势。用此方法计算类间与类内离散度矩阵后,对i向量进行信道补偿和降维。结合高斯PLDA模型,以LDA和WCCN为基线系统进行仿真对比。实验结果表明,提出的算法具有良好的区分性能,在有限的话者语音样本数量范围内,与基线相比能提升总和约3%的性能。

非线性幂变换Gammachirp滤波器的鲁棒语音特征提取

针对归一化功率倒谱系数(PNCC)在较低信噪比噪声环境下说话人识别鲁棒性不佳的问题,提出了非线性幂函数变换伽马啁啾频率倒谱系数(NPGFCC)的抗噪语音特征提取算法。相比PNCC,NPGFCC的不同之处在于其采用符合人耳听觉特性的归一化压缩Gammachirp滤波器组代替Gammatone滤波器组进行滤波,并在特征参数中融合了分段式非线性幂函数变换的方式。另外,算法中利用了均值方差归一化和时间序列滤波等技术的方法,进一步提高了其在噪声环境下的鲁棒性,并在改进的i-vector+PLDA模型下进行了测试。实验结果表明,相较于目前常用的一些说话人语音特征提取算法,在不同噪声和不同信噪比下,NPGFCC特征具有最佳抗噪性能,特别是在信噪比较低的情况下,与其他语音特征相比,NPGFCC特征具有更大的优势。

高速数据采集中的PCI Express总线性能分析

随着高速采集系统的采样速率的增大和采样精度的提高,如何设置PCI Express系统的参数,充分利用PCI Express总线的带宽,以满足高速海量数据的实时传输就变得非常重要。在此分析了PCI Express系统数据传输开销的来源,研究了几种主要的系统参数,以提高数据吞吐量。通过使用PLDA的EZDMA2 IP核,在Xilinx KC705评估板上对各个参数进行测试,结果表明,灵活设置这些关键的系统参数可以利用较少的FPGA资源,同时达到较高的传输带宽,对PCI Express系统设计具有非常高的参考价值。

一种基于x-vector说话人特征的语音克隆方法

基于SVTTS架构的语音克隆系统采用d-vector描述说话人编码特征,由于该特征提取过程中没有考虑到整段句子的语音信息,从而影响了克隆语音的相似度。针对此问题,提出一种基于x-vector说话人特征的语音克隆方法。该方法采用x-vector作为表征目标说话人的嵌入向量,拼接到合成器中,并通过声码器克隆出目标说话人的语音。实验结果表明采用x-vector的方法提取嵌入向量的相似度更高;与传统方法相比,该方法克隆语音的自然度和相似性分别提升了0.32和0.14。

概率线性判别分析在语音命令词置信度判决中的应用

置信度判决用于确定语音数据与模型之间的匹配程度,可以发现语音命令系统中的识别错误,提高其可靠性.近年来,基于身份矢量(identity vector,i-vector)以及概率线性判别分析(Probabilistic Linear Discriminant Analysis,PLDA)的方法在说话人识别任务中取得了显著效果.本文尝试将i-vector以及PLDA模型作为一种命令词识别结果置信度分析方法,其无需声学模型、语言模型支撑,且实验表明性能良好.在此基础上,针对i-vector在刻画时序信息方面的不足,尝试将该系统与DTW融合,有效提升了系统对音频时序的鉴别能力.

利用时长信息提高说话人确认系统的鲁棒性

在文本无关说话人确认领域,基于总差异空间的说话人确认方法已成为主流方法,其中概率线性判别分析(Probabilistic Linear Discriminant Analysis,PLDA)因其优异的性能受到广泛关注。然而传统PLDA模型没有考虑注册语音与测试语音时长失配情况下的差异信息,不能很好地解决因时长失配带来的说话人确认系统性能下降的问题。该文提出一种估计时长差异信息方法,并将此差异信息融入PLDA模型,从而提高PLDA模型对时长差异的鲁棒性。在NIST数据库上的实验表明,所提出的方法可以较好地补偿时长差异,性能上也优于PLDA方法。

基于改进的交叉二次判别分析的行人再识别

行人再识别的任务是匹配不同摄像机在不同时间、地点拍摄的人体目标.受光照条件、背景、遮挡、视角和姿态等因素影响,不同摄像机下的同一目标差异较大.针对交叉二次判别分析算法(XQDA)中的矩阵奇异问题,本文提出了一种基于PLDA改进的交叉二次判别分析方法,即PLDA-XQDA算法.在PRID 2011,i LIDSVID数据集上进行实验,结果表明:本文方法与已有的基于视频的度量学习方法相比,PRID 2011和i LIDSVID数据集匹配率分别提高了1.23%和1.07%;与已有的基于图像的度量学习方法相比,PRID 2011和i LIDS-VID数据集匹配率分别提高了12.92%和15.34%.

一种基于2D-PLDA和小波子带的虹膜识别算法

近年来,基于线性判别分析(LDA)的图像模式识别方法研究越来越受到人们的关注。然而LDA方法自身存在的小样本难题,极大的影响了样本集特征矩阵的获取。研究者随后提出的2维线性分析(2D-LDA)在一定程度上解决了这个问题。在传统2D-LDA基础上,提出一种改进的2维线性分析方法——2D-PLDA,该方法通过对样本集进行预分类,使得散布矩阵更加合理;在此基础上将2D-PLDA和离散小波相结合,应用于虹膜识别中。实验结果证明,该算法在识别精度和计算复杂度等方面均较传统LDA和2D-LDA方法有很大的改进,同时采用小波的不同子带作为输入空间也在一定程度上增加了算法的鲁棒性。