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。     

几种含惯容元件吸振器动力学特性比较研究

在吸振器振子与主系统之间引入惯容器,与阻尼、弹簧元件并联或串联,采用阻抗导纳法可以对吸振系统传递率进行计算,从而获得系统传递特性曲线,分析各参数(惯容器惯容量,阻尼系数,弹簧刚度)对吸振效果的影响。对比三种模型分析惯容器惯容量对系统影响,结果表明惯容器并联时,惯容值变化会影响反共振峰位置,但只能向低频偏移;惯容器与阻尼串联时,惯容值变化对系统的影响与阻尼类似,增大惯容值会使共振峰和反共振峰响应减小,但是反共振峰位置不会偏移;惯容器与弹簧串联时反共振峰可以向两侧偏移。三种基本模型中惯容量的影响各不相同,可以为复杂含惯容元件的吸振器模型提供参考和借鉴。     

MMCE算法在FAGMM中的应用

提高说话人模型的识别性能一直是语音识别领域的一个重要课题。因子分析高斯混合模型（FAGMM）是因子分析方法与高斯混合模型（GMM）结合而成的多维概率统计模型,能更好地表征语音特征矢量的相关性,然而模型参数过多导致不能实现很好的分类。把改进的最小分类错误（MMCE）算法应用于该模型,形成一种新的FAGMM＋MMCE模型,能解决前述问题,而且克服了传统的最小分类错误（MCE）算法在系统训练时不灵活、训练速度慢的缺点。实验结果表明,在30个说话人的识别应用中,本模型的识别率随着高斯混合数的增加而提高,较传统的MCE算法,识别率平均提高了3%,训练时间也平均节省了20%,说明该方法是有效的。     

二阶导数红外光谱快速鉴别轮胎橡胶颗粒

针对传统取样分析技术会破坏物证和综合考察样本作为混合物在多维度上的差异性,提出一种基于二阶导数红外光谱结合模式识别对轮胎橡胶颗粒快速准确鉴别的方法。采集并分析不同品牌共计96个轮胎橡胶颗粒的红外谱图及其二阶导数谱图,同时预处理采用自动基线校正、峰面积归一化和Savitzky-Golay平滑,建立判别分析模型,从而实现其品牌间的准确区分和认定。红外二阶导数谱图呈现出许多原始谱图中被掩盖谱峰的斜率变化特征,将样本谱图间的差异更为明显的表示了出来,结合原始谱图和其二阶导数谱图,得出实验样本主要由丁苯橡胶、顺丁橡胶和异戊橡胶3种类型。原始谱图判别预测模型分类准确率为95.83%,二阶导数判别预测模型分类正确率为100%,其区分能力更强,二阶导数结合判别分析可有效开展对轮胎橡胶颗粒的区分鉴别,其构建的模型分类效果更好。以品牌为单位,进一步对丁苯橡胶等3种类型的样本展开模式识别工作,得出其判别预测模型均实现了样本品牌间100%的区分和归类,实验结果理想。利用二阶导数红外光谱结合模式识别可实现对轮胎橡胶样本的准确识别与分类,方法具有一定的普适性和借鉴意义,可为其他物证的鉴别与分析提供一定的参考。     

变截面闭管中非线性驻波场的实验研究

当变截面闭管（CTVCS）的固有一阶反共振频率设计在接近共振基频的倍频处,共振基频激励下的二次谐波将受到极大抑制,以致在闭管末端可获得高声压、低谐波畸变的波形。相比等截面闭管,CTVCS内的二次谐波特性较为复杂,且在研究范围内,谐波随基波声压级的增长未出现明显的饱和趋势。     

多频激励下添加线性振子磁悬浮能量采集系统建模及其输出功率影响参数分析

研究了通过添加线性振子的磁悬浮非线性能量器采集系统在多频激励下的非线性动力学。通过结合运用谐波平衡法和弧长延伸法,近似解析分析能量采集系统在多频激励下中间磁铁的平均功率辐频响应。并通过直接数值方法验证解析结果。研究结果表明,这种磁悬浮能量采集器在质量比增大时,中间磁铁的平均功率幅频响应的共振峰由两个变为四个共振峰,振幅变小,但共振峰的带宽变宽。另外,通过系统参数分析发现,调节系统参数阻尼比和耦合系数,可以优化共振峰的强度和带宽的宽度,以达到增强振动能量采集效果的目的。     

一种利用主曲线的说话人自适应方法

为了克服噪声对语音识别系统的影响,提出了一种基于主曲线的说话人自适应方法,这种方法可以通过一组主曲线描述所有状态的特征统计信息和码本参数之间的关系,并利用特征统计量在主曲线上的投影更新码本.当有背景噪声存在时,这种方法可以有效修正状态的特征统计信息以减弱或去掉噪声的影响.在863大词汇量连续语音识别数据库上的实验结果证明:这种方法相对于基线以及本征音说话人自适应算法,系统识别性能都有明显的提高.     

用相干函数消除系统反共振对燃气流冲击载荷识别结果的影响

在进行燃气流冲击载荷识别时,识别结果中存在系统特性的影响.文献[1]中,用系统的受迫响应进行识别.在识别结果中,系统反共振特性的影响仍不能消除.根据文献[2],用相干函数对识别谱进行修正,在识别结果中可以很好地消除系统反共振特性的影响.     

一种钢琴全频段的基频识别方法

对钢琴全频段音符频率进行了研究,提出一种基于自相关和插值的钢琴基频识别方法。采用三电平中心削波的自相关计算得出函数值,用求最大值的方法选取代表基频整数倍周期的点数位置,运用抛物线插值进行位置修正,结合最小二乘计算得出基频估计,低中频的识别误差在±1音分内。对于高频音符,采用内插算法提高采样率以降低识别误差,使得识别结果准确可靠,满足精度要求。     

基于多层感知器-Fisher判别分析的车用保险杠红外光谱鉴别

利用光谱检测和数据分析实现不同种类汽车保险杠碎片的快速无损检测和精确识别与分类具有重要的意义,采集8个品牌共计38个汽车保险杠碎片的红外谱图,预处理采用自动基线校正、峰面积归一化、多元散射校正和Savitzky-Golay平滑,通过小波阈值进行去噪处理,借助主成分分析(PCA)提取特征变量,建立基于多层感知器(MLP)的Fisher判别分析(FDA)分类模型。实验结果表明:数据在20维矩阵上特征提取最好,包含的信息量足够大,MLP模型对样本种类的识别准确率为74.70%,在20维特征数据上构建FDA模型,求得Z_1和Z_2判别函数式以及各样本分布散点图,其中35个样本实现了正确的区分和归类,分类准确率为92.1%,相比较单一MLP模型,MLPFDA区分能力更强、精度更高。综上,将红外光谱技术与MLP-FDA模型结合可以实现对车用保险杠碎片的快速无损鉴别,且模型检测精度高,方法具有普适性和借鉴意义。     

利用Hilbert-Huang变换的自适应带通滤波特性提取共振峰

利用Hilbert-Huang变换的自适应带通滤波特性,提出了一种共振峰提取算法。该算法利用固有模态函数是均值为零的窄带调频调幅信号与语音信号声道模型的调频．调幅信号相一致的特点;并根据经验模态分解的自适应性,有效地利用了信号本身决定固有模态函数的中心频率和带宽的特性,不需预先估计带通滤波器频率和带宽便可得到共振峰分量,避免受虚假峰值、共振峰合并和高音调语音的影响。该算法既能精确提取共振峰,又能跟踪共振峰频率的变化。