说话人识别方法概述

说话人识别是语音识别的一个重要的分支,是当前的研究热点之一。首先介绍说话人识别的基本原理,然后介绍说话人识别常用的特征参数和分类方法,最后探讨说话人识别研究的难点。     

动水力简化计算方法对圆形桥墩传递函数的影响

刚性柱法、莫里森法和基频近似法是可供工程应用的不可压缩无粘性水体地震动水力的简化计算方法。为研究上述方法的差异性，将基于不可压缩无粘性水体辐射理论推导的考虑结构变形的精确解作为标准，从频域传递函数的角度，对各简化方法进行比较分析。以水中悬臂圆柱墩为例，选取2个尺寸参数并设计了84种不同尺寸的桥墩，输入脉冲激励得到墩顶节点的位移传递函数、墩底节点的剪力和弯矩传递函数，提取各传递函数的前两阶共振峰幅值和共振频率，基于标准解结果求得3种简化方法的误差。通过分析误差的范围及变化趋势，发现刚性柱法所得共振峰幅值更精确，基频近似法所得共振周期更精确，莫里森法误差受参数的影响显著。此外，基频近似法所得共振峰幅值大多偏小，而莫里森法所得幅值和周期大多偏大。     

非线性隔振系统反馈控制动力学特性研究

建立含速度反馈控制的两自由度非线性隔振系统模型,推导系统的幅频特性关系式;研究反馈控制增益对幅频特性曲线的影响,得到曲线共振峰随反馈增益变化的规律。当增益增大时,共振峰左移并逐渐消失,本质上反映了该反馈对大幅值振动的抑制过程。通过计算分析反馈控制时系统的Lypunov指数谱随控制参数变化的规律,得到可用于系统混沌控制的参数范围,表明系统在一定的参数条件下可以处于混沌状态和周期状态。通过实验研究观察到系统出现的基频和超谐波响应,通过控制可以使得线谱成分得到有效降低,从而可为非线性隔振系统混沌控制和设计提供有益参考。     

讲话人识别系统的鼻腔参数研究

基于鼻腔发声的极零数学模型,结合线性预测、线性预测失真尺度等知识,利用同态预测法从语音中提取出个人的鼻腔参数。用此鼻腔参数尝试区分不同讲话者,并与共振峰,美尔频率倒谱系数的区分效果作比较。实验结果表明:鼻音参数相对于这些简单的时频参数(共振峰,美尔频率倒谱系数等)对于区分不同讲话者更有效,在声纹检测中有潜在的应用价值。     

利用动态时间规整方法对说话人识别的实验研究

动态时间规整方法是一种以动态规整为基础的模式匹配方法，在模式识别特别是语音识别领域中有着广泛的应用。本文介绍将动态时间规整方法应用于说话人识别的方案，实验研究的结果表明，动态时间规整方法应用于说话人识别是行之有效的，而且实验的错误率可以降低到静态时间规整说话人识别实验的错误率的一半。     

弯曲共振法共振峰“劈叉”现象研究

使用弯曲共振法测量复合试件阻尼参数时,发现频响曲线有时会在共振频率附近产生"劈叉"现象,表现出两个峰值,与一般经验不符。建立了悬臂梁试件受到不同方向激励的耦合振动模型,通过信号合成复原了"劈叉"曲线,表明频响曲线在共振频率附近产生"劈叉"的原因是正交方向弯曲振动模态的干扰;提出了针对"劈叉"曲线的实验数据处理方法;利用阻尼层模量识别过程判断出"劈叉"曲线上两峰对应的振动方向,辨别主共振峰和干扰峰;进而分析了"劈叉"曲线干扰频率与幅度等对试件损耗因子识别精度的影响。结果表明,在主共振峰可辨条件下,使用弯曲共振法常规计算公式,即可得到相当准确的结果,并解决了"劈叉"曲线数据处理的难题。     

基于GMMi-vector的说话人识别研究

语音识别技术飞速发展,在现实生活中扮演着越来越重要的角色,语音识别简单来说就是让计算机理解人的语音,它有两大研究领域:语种识别和说话人识别。说话人识别是指计算机能够识别出语音来自那个说话人,在身份验证等众多领域有很广泛的应用。本文着重探究哪种细微声音对说话人识别的效果好,这些细微声音有"嗯""啧啧""清嗓子""清鼻子"等,最后进行人机大战,得出机器的准确率普遍比较高的结论。     

支持矢量机的汉语声调识别

提出了一种支持矢量机的汉语声调识别新方法。论文首先在基频和对数能量的基础上,建立了一个适合于支持矢量机分类的等维声调特征。然后对支持矢量机的多分类策略和不同核函数对声调识别的影响进行了实验研究。与BP神经网络相比,支持矢量机具有更高的识别率和更强的推广能力。     

基于共振峰的超声空化声发射信号分析

摘 要：为了简单有效地提取超声空化时频信息而估计空化强度,提出了应用基于全极点线性预测编码模型的共振峰分析方法进行分析,并使用其分析了19kHz超声作用下的空化场的声发射信号。将共振峰分析结果与常用的频谱分析和短时傅利叶分析结果进行了对比,发现共振峰分析方法更能从超声空化声发射信号的中提取出简单但关键的时频信息来。采用共振峰方法的分析结果表明,可以利用空化声发射的共振峰参数如基频频率和相对高频共振峰的幅值来分别反映超声空化的非线性振荡和瞬态空化,进而估计超声空化的强度。     

基于均值特征和改进深度神经网络的说话人识别算法

为提高神经网络在说话人识别应用中的识别性能,提出基于高斯增值矩阵特征和改进深度卷积神经网络的说话人识别算法。算法首先通过最大后验概率提取基于梅尔频率倒谱系数（Mel Frequency Cepstrum Coefficient,MFCC）特征的高斯均值矩阵,并对特征进行噪声适应性补偿,以增强信号的帧间关联和说话人特征信息,然后采用改进的深度卷积神经网络进一步对准帧间信息,以提高说话人识别特征对背景噪声的适应性。实验结果表明,相比于高斯混合模型-通用背景模型等识别框架及传统MFCC等特征,该算法可取得更高的识别准确率和最小的识别均方误差。