文本无关的说话人识别系统抗噪方法研究

研究了基于美尔倒谱特征参数及高斯混合模型的文本无关的说话人识别系统,为了提高噪声环境下识别系统的识别率,从两个角度研究改善该系统抗噪性能的方法,即利用语音识别将文本无关的系统转化为文本有关的说话人识别方法和通过选择鲁棒性较强的帧进行说话人识别的方法,分析了以上方法对系统识别性能的改善作用,并通过实验验证上述方法确实可以提高系统在噪声环境下的识别率。     

基于群模型改进的说话人确认系统

在研究说话人识别系统时,分别从特征参数的选取和识别训练两种不同角度分析了加权特征向量和群模型在增强系统性能方面的可行性,并采用群模型与加权特征向量相结合的方式建立与文本无关的说话人确认系统.试验结果表明,含加权特征向量的群模型比传统的矢量量化有更高的辨识率,而且错误拒绝率在一定的错误接受率下也有显著降低.     

基于改进VQ算法的文本无关的说话人识别

基于矢量量化的说话人识别,因其运算过程简单等特点,在文本无关的说话人识别领域有着广泛的应用。论文根据说话人识别中训练语音的特点并结合快速搜索算法,对矢量量化的码书形成算法进行了改进,提出了一种基于改进算法的与文本无关的说话人识别方法。经实验结果证明,论文的方法加快了码书的形成,减少了码书形成的计算量,改善了码本的性能,提高了说话人识别的识别率。     

GMM文本无关的说话人识别系统研究

在高斯混合模型（Gaussian Mixture Model,GMM）训练时,对传统的模型参数初始化方法（随机法、K均值聚类法）进行改进,提出分裂法与K均值聚类相结合的新方法。实验表明,采用改进的方法与传统方法相比,系统平均识别率有15.47%和7.5%的提高。研究了GMM的阶数、协方差阈值、预加重系数对系统识别率的影响。对实验结果进行详细分析,并根据实验数据,取它们各自表现最好的值,从而使构建的说话人识别系统获得一个较高的识别率。实验表明,在规定的实验条件下,系统可达到90%以上的识别率。     

基于分类高斯混合模型和神经网络融合的与文本无关的说话人识别

本文提出了一种基于分类高斯混合模型和神经网络融合的说话人识别系统,根据能量阈值将每个话者语音的语音帧分为两类,在分类子空间分别为每个话者建立两个分类话者模型(GMM),并为每个话者建立一个用于对这两类模型进行数据融合的神经网络,话者识别的结果是经对各个话者神经网络的输出进行判决后做出的.在100个男性话者的与文本无关的说话人识别实验中,基于分类话者模型的策略在识别性能和噪声鲁棒性上均优于传统的GMM话者识别系统,而采用神经网络进行后端融合的策略又优于直接融合的策略,从而可以用较低的话者模型混合度和较短的测试语音获得较好的识别性能及噪声鲁棒性.     

采用遗传算法的文本无关说话人识别

为解决在说话人识别方法的矢量量化(Vector Quantization,VQ)系统中,K-均值法的码本设计很容易陷入局部最优,而且初始码本的选取对最佳码本设计影响很大的问题,将遗传算法(Genetic Algorithm,GA)与基于非参数模型的VQ相结合,得到1种VQ码本设计的GA-K算法.该算法利用GA的全局优化能力得到最优的VQ码本,避免LBG算法极易收敛于局部最优点的问题;通过GA自身参数,结合K-均值法收敛速度快的优点,搜索出训练矢量空间中全局最优的码本.实验结果表明,GA-K算法优于LBG算法,可以很好地协调收敛性和识别率之间的关系.     

对文本无关的说话人验证中模型距离归一化问题的研究

在自动说话人验证中, 模型距离归一化是非常有用的得分归一化技术之一. 相比于其他的主流得分归一化技术, 模型距离归一化的主要优点在于它不需要额外的语音数据和说话人集合. 但是, 它也仍然有自身的缺点. 比如, 在传统的模型距离归一化中, 模型之间的KL距离用Monte-Carlo方法求得, 而此方法的时间复杂度很高. 本文从一个新的角度探讨了模型距离归一化的原理, 并且提出了简化的模型距离归一化方法, 即使用KL距离的上限来衡量两个说话人模型的距离. 在2006年的NIST说话人评测数据集上, 本文提出的简化的模型距离归一化方法取得了与传统方式相近的结果, 而时间复杂度却大大降低了.     

一种基于MFCC和LPCC的文本相关说话人识别方法

在说话人识别的建模过程中,为传统矢量量化模型的码字增加了方差分量,形成了一种新的连续码字分布的矢量量化模型。同时采用美尔倒谱系数及其差分和线性预测倒谱系数及其差分相结合作为识别的特征参数,来进行与文本有关的说话人识别。通过与动态时间规整算法和传统的矢量量化方法进行比较表明,在系统响应时间并未明显增加的基础上,该模型识别率有一定提高。     

基于数据挖掘算法的英语发音机器质量自动评估系统

为提高英语发音机器质量评估综合性能,以S3C2440A芯片为主控芯片,UDA1341Ts为编码解码器搭建系统硬件,通过采用多层小波特征尺度变换提取英语发音机器语音信号特征,并利用支持向量机(SVM)对语音信号特征进行分类评价,设计了一种基于数据挖掘的英语发音机器自动评估系统。测试结果表明,所设计的自动评估系统可从语调、语速、音准、节奏、情感5个方面,对英语发音机器进行自动综合评估,相较于基于大数据分析的评价系统和多源反馈评价系统,具有更高的精确一致率、相邻一致率以及皮尔逊相关系数值,且误判率更低,在10%范围内,具有一定的有效性和优越性。     

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。     

社区信息化建设数据质量评估模型的研究

数据质量的好坏是社区信息化建设的关键因素,如何对数据质量进行有效的评估是数据管理的核心问题。本文针对数据质量评估问题,提出了一个社区信息化数据质量的评估模型,给出了社区信息化建设中数据质量评估总体框架。该框架的特点:可以进行相应的扩展,以实现不同需求在不同层次上对数据质量的检测。     

数据质量评估方法研究

数据质量管理已经成为当今数据管理的关键问题,并得到了广泛的研究和应用。数据质量评估作为数据质量管理中的必要过程和基础部分,目前缺乏一种定量的系统的方法。针对数据质量评估中的这一问题,该文介绍了一些基本的数据质量评估指标,提出了一种数据质量评估模型,并阐述了该模型的构造技术和计算方法。     

一种通用的数据质量评估控制元数据模型

为解决传统数据质量评估实现方式灵活性与通用性较差的问题,通过对元数据应用与数据质量评估体系的研究,重点分析了元数据在数据质量评估过程中的作用、数据质量评估维度与评估算法;确定基础元数据、评估控制元数据与评估算法元数据,并构建元数据模型.通过实际应用证明模型具有良好的灵活性与通用性.     

土地利用现状数据建库数据质量评价与控制研究

在江苏省部分县市1∶1万土地利用现状调查数据建库基础上,研究了建库过程中影响数据质量的主要因素和因子,给出了影响数据质量的主要因素与因子的权重。以模糊数学原理和方法为基础,建立了数据质量综合评价模型,同时利用SPC方法初步研究了数据建库过程中数据质量的控制。     

基于结构失真的图像质量评价方法的研究

在说明传统的图像质量评价方法及其不足的基础上,分别对基于结构失真图像质量评价方法的各个因子进行了讨论,并从图像空间及其向量的理论角度分析了结构性信息对于图像质量的影响。理论分析和实验均证明了结构失真评价方法与图像主观视觉质量的一致性。     

控制系统性能评估中干扰通道模型的选择

控制系统性能评估是过程控制领域的研究热点,理论研究得到了极大重视,在工业上也得到了一定的应用.性能评估的理论依据最小方差控制律属于随机系统最优控制范畴,与传统的控制理论中控制系统通常作为确定性系统来研究存在差异.Eriksson等人曾注意到在某些条件下,基于最小方差控制的性能评估结果可能存在问题.简略介绍了单回路反馈控...     

基于模式的软件质量模型研究与应用

在软件开发周期中的早期进行质量评估对提高软件的质量非常重要.传统的软件质量模型在早期获得的质量信息较少,很难有效、准确地评价软件的质量.针对此问题,本文提出了一种新的基于模式的软件质量模型,通过模式提供的丰富信息,在产品的设计阶段完成对软件质量准确、有效的评估,指导软件的开发,最终提高软件产品的质量.     

软件构件质量的量化评价模型研究

在深入研究构件质量模型的基础上,针对层次分析法对构件质量量化评价的不足,基于群体决策思想和改进的层次分析法,提出了构件质量量化评价模型,不仅简化了量化评价过程,而且评价结果有效、合理。     

软件故障分析方法与软件质量评价模型的研究

本文基于对软件常见故障产生原因的分析,并基于对软件运行环境的探讨,提出面向领域的一种软件质量评价模型的构建方法,对于软件系统评价具有一定借鉴意义。