基于SOPC的说话人识别算法的实现与优化

利用可编程片上系统（SOPC）灵活的可编程性和现场可编程门阵列(FPGA)强大的并行处理能力,在FPGA上实现说话人识别算法,并从识别速度和识别精度两个方面对系统进行优化。研究了说话人识别算法的原理,针对其特点构建了SOPC系统,用乒乓操作实现语音采集和处理,利用FPGA的硬件实现算法中较为耗时的模块,提高了识别速度,同时又利用遗传算法来生成模板码书,提高了识别精度。最终,实现对说话人身份进行识别的功能,系统具有较高的实时性和识别精度。     

说话人识别系统研究

说话人识别与指纹、脸型等识别技术一样是生物特征识 别,是利用包含在说话人的语音波形中特有的 个体信息自动识别说话人身份的过程。可广泛 用于银行、证券系统、网络安全及军队安全系统 中。本文就说话人识别分类、说话人识别实现的 物理基础及说话人识别系统的实现方法作了一 些分析。     

>维吾尔语广播新闻敏感词检索系统的研究

维吾尔语广播新闻敏感词检索系统是以HMM为基础。在MATLAB平台上设计实现的。该系统的特点包括 1.由于维吾尔语敏感词数量不多,该系统语音语料库很小。2.由于广播新闻中的发音较为标准规范,在识别中避免了说话人发音上的不规范,这有利于语音识别系统性能的提高。3.由于选择词素为识别基元,易于识别基元端点检测。     

基于支持向量机和小波分析的说话人识别

为解决说话人识别问题,提出了一种基于支持向量机和小波分析的识别方法以及其框架模型,即将小波分析应用于信号预处理,并以此为基础,利用其奇异点检测原理将语音信号和噪声分离,实现语音增强,最终基于样本进行训练和测试,采用SVM实现说话人的分类识别.     

基于BP神经网络的说话人识别技术的实现

说话人识别就是从说话人的一段语音中提取出说话人的个性特征,通过对这些个人特征的分析和识别,从而达到对说话人进行辨认或者确认的目的。神经网络是一种基于非线性理论的分布式并行处理网络模型,具有很强的模式分类能力及对不完全信息的鲁棒性,为说话人识别技术提供了一种独特的方法。BP（Back-propagation Neural Network）是一种非循环多级网络训练算法,有输入层,输出层和N个隐含层组成。首先概述了语音识别技术,介绍了BP神经网络训练过程的7个步骤及其模型,如何建立BP神经网络模型。同时介绍了与其相关的特征参数的提取,神经网络的训练和识别过程,最后,通过编程在Linux系统下实现说话人身份的识别。     

基于FPGA的说话人识别系统设计

针对实时性问题提出了一种以FPGA为硬件平台的说话人识别系统解决方案。该方案以MFCC为语音特征,采用了基于矢量量化的说话人识别算法。系统主要包括语音信号采集、端点检测、特征提取和识别判断4个部分。经测试证明,该系统完成了设计所需的基本功能。在实验室条件下,当系统时钟为50 MHz时,完成一次4码的识别耗时15.932 ms,对12码的识别率为93.3%。     

基于科大讯飞MSP的粤语自助学习系统的设计

本文分析了基于科大讯飞MSP的粤语自助学习系统的工作原理,选择MSP2.0开发包作为构建系统的核心技术.QISR接口完成语音识别,实现将说话人的语音信息转换为相应文本信息。此外通过QTTS接口调用相关函数完成文本语音转换,实现将识别结果以粤语发音输出。最后,在vc++6.0环境下实现粤语自助学习软件系统,该软件可提供简单的粤语学习功能。     

语音信息的身份和指令识别方法应用

针对智能机器人系统对语音交互功能的实际需求, 在DM-B200开放式机器人平台上,设计并实现了基于语音信息的说话人身份识别功能和语音指令识别功能. 为了准确识别特定说话人的身份, 采用了矢量量化的识别方法, 而为了提高机器人语音控制的实时性, 语音指令识别采用了动态时间规整的方法. 应用结果表明, 所设计的语音识别系统达到96%以上的综合识别率, 具有实际应用价值.     

基于移动平台的多重生物识别系统

随着智能手机在人们日常生活中的广泛使用,移动端的信息安全问题已经不容忽视。提出一套基于移动端的多重生物特征识别系统,定义多重安全等级,并使用输入习惯识别、脸部识别、说话人身份识别三种生物识别技术取代传统的密码技术来识别手机用户的身份。实验表明该系统在面对低安全需求时可以提供方便快捷的识别服务;而在高安全等级时,可以实现良好的安全性(最高安全等级错误接受率为0.014%)。相比传统的移动识别模式,该系统不仅更加智能,而且提高了移动身份识别的安全性和实用性。     

考虑性别差异基于SVM的说话人识别研究

说话人识别是目前身份认证及人工智能领域研究的一个热点,解决说话人识别问题具有重要的理论价值和深远的实用意义.基于语音鲜明个性特征和显著的性别差异,提出了一种考虑性别差异的说话人识别方法,并采用SVM分类器进行训练和测试.先对SVM分类器分别进行性别识别训练和同性集合内个体识别的分类训练,建立起相应的支持向量集合,以此为基础,先后进行说话人的性别识别测试和个体识别测试.实验结果表明,该方法可以有效提高闭集说话人识别系统的性能.     

面向人-物交互的视觉识别方法研究

从物体识别、动作识别和人-物交互行为识别三者关系角度对人-物交互的视觉识别方法进行了研究。将三者关系建模成统一的人-物交互识别的模型,通过该模型对以动作作为上下境进行物体识别,以物体作为上下境进行动作识别、交互行为识别、基于图模型的对象识别以及由交互行为进行动作和物体识别5个方面进行了详细研究,最后对面向人-物交互识别方法进行了比较。     

混合模式识别系统研究

讨论基于多种分类方法的模块组合实现的混合模式识别系统，它不同于利用多分类器输出结果表决的集成系统。提出两个系统：一个面向刷体汉字文本识别，另一个面策自由手写体字识别。     

开放集文字识别技术

开放环境下的模式识别与文字识别应用中,新数据、新模式和新类别不断涌现,要求算法具备应对新类别模式的能力。针对这一问题,研究者们开始聚焦开放集文字识别（open-set text recognition,OSTR）任务。该任务要求,算法在测试（推断）阶段,既能识别训练集见过的文字类别,还能够识别、拒识或发现训练集未见过的新文字。开放集文字识别逐步成为文字识别领域的研究热点之一。本文首先对开放集模式识别技术进行简要总结,然后重点介绍开放集文字识别的研究背景、任务定义、基本概念、研究重点和技术难点。同时,针对开放集文字识别三大问题（未知样本发现、新类别识别和上下文信息偏差）,从方法的模型结构、特点优势和应用场景的角度对相关工作进行了综述。最后,对开放集文字识别技术的发展趋势和研究方向进行了分析展望。     

自然手写汉字FS识别法

提出联机识别自然手写汉字的FS识别法。在剖析五笔字根结构和编码原则基础上,对五笔字根作适应性改造,将键盘输入技术与联机识别技术有机融合的一种识别体系。在多库识别体系中首次采用层间分级技术。分析和实验表明：充分考虑了自然手写汉字书写习惯和结构特征,系统有较高稳定性。     

现代生物特征识别技术发展综述

生物特征识别技术作为一种身份识别手段具有独特的优势,是近年来国际上的研究热点,对信息安全有重要意义.文章简单介绍了几种典型的生物特征(如指纹、人脸、虹膜等)和语音识别技术方法,对各种方法的特点作了比较说明,对生物特征识别技术的应用领域和发展首景作了较详尽的分析.     

基于非单调共轭梯度算法的声纹识别机器人控制系统设计

传统声纹识别人控制系统识别准确率低,存在语音识别噪声鲁棒性问题。针对上述问题,基于非单调共轭梯度算法设计了一种新的声纹识别机器人控制系统,采用BioVoice 2.0 标准声纹采集器采集数据,提取声纹特征,根据提取的声纹特征建立模型库,同时引用了两个声纹数据采集终端,型号分别是TMC104-B和TMC104,选用型号为AS-MrobotR的机器人配合采集器和采集终端实现工作。在Windows平台下使用C/C+语言研究了一种专用的程序,在程序内部添加mde-api数据库,完成训练程序和识别程序。实验结果表明,基于非单调共轭梯度算法的声纹识别机器人控制系统能够很好地解决语音识别噪声鲁棒性问题,在有噪声环境下识别准确率提高15.24%,在无噪声环境下识别准确率提高21.55%。     

基于高斯混合模型的乐器识别方法

传统的乐器识别方法采用的是树型分类方法，这种方法分类过程比较繁琐。而且精度不高。该文把话者识别的方法应用到乐器识别之中，采用模式识别的方法实现对乐器的识别。采用MFCC系数和它的一阶导数作为音品的声学特征，分别对6种管弦乐器建立高斯混合模型。在识别过程中，首先假设各乐器的先验概率相同。根据高斯混合模型得出的后验概率确定待识别乐器所属的种类。实验表明这种识别方法十分有效，取得了较高的识别精度。     

基于二进小波变换和仿生模式识别的人脸识别

针对人脸图像易受光线和表情影响的特点,提出了一种基于二进小波变换和仿生模式识别的人脸识别方法。应用样条二进小波对人脸图像进行处理,对得到的细节子图进行融合。在FFT和PCA处理与降维后,用仿生模式识别进行学习和识别。实验结果表明,该方法比传统方法具有更高的识别率。     

基于小波变换的X射线焊缝图像缺陷识别方法研究

经过长时间的研究发现,在焊缝图像缺陷识别中,传统的方法具有正确识别率低的问题,为此提出了基于小波变换的图像缺陷识别方法。输入获取的X射线焊缝初始图像信息,从帧数叠加、数字形态学变换和图像增强三个方面对初始图像进行预处理,约束小波变换阈值降低图像噪声,最后通过边缘检测,提取焊缝图像当中的缺陷特征。在对比实验当中,设立两种传统识别方法作为实验的对照组,提出的X射线焊缝图像缺陷识别方法为实验组,同时对统一型号的焊接工件进行缺陷识别,实验发现提出的识别方法的正确识别率高达91.8%。     

基于场景理解的人体动作识别模型

为了满足在复杂环境下对人体动作识别的需求，提出了一种基于场景理解的双流网络识别结构。将场景信息作为辅助信息加入了人体动作识别网络结构中，改善识别网络的识别准确率。对场景识别网络与人体动作识别网络不同的融合方式进行研究，确定了网络最佳识别结构。通过分析不同参数对识别准确率的影响，最终确定了双流网络的所有结构参数，设计并训练完成了双流网络结构。通过在UCF50，UCF101等公开数据集上实验，分别取得了95%,93%的准确率，高于典型的识别网络结果。对其他一些典型识别网络加入同样场景信息进行了研究，其实验结果证明了此方法可以有效改善识别准确率。