基于MFCC参数和VQ的说话人识别系统

采用能够反映人对语音的感知特性的Mel频率倒谱系数(MFCC)作为特征参数,以及为避免时间规整问题采用矢量量化技术开发的说话人识别系统.MFCC主要的是模拟人耳的听觉过程,相对于其它参数它对语音波形的变化不敏感,更加稳定,系统取得很好的识别结果,实验表明系统训练和识别的计算量和存储量都比较低.     

一种改进的VQ算法在说话人识别上的应用

本文介绍了一种基于动态权值改进的矢量量化(VQ)方法。根据不同环境下不同说话人语音特征各阶差异较大的特点.对矢量量化算法进行了改进。经实验结果证明.该方法提高了说话人识别系统的识别率。     

基于维纳滤波和混合模型的说话人识别

在说话人识别系统中,训练和测试环境的不匹配会造成识别性能的显著下降.把小波变换和维纳滤波结合起来对语音进行去噪.对于说话人识别,设计了一个由传统方法(如GMM、MLP和DTW)作为前识别器和通过小波分析(加权求和法)检测到的基音作为后识别器所组成的混合识别器.传统方法分别由三类特征矢量(LSF、倒谱和滤波器组)组成.通过小波分析获得的基音携带了关于说话人身份的信息.这个系统能在不同噪声环境下分析基音周期.试验结果显示,所提出的系统的鲁棒性和辨识率都有所提高.     

基于段级特征的快速说话人识别算法及DSP实现

本文在TMS320C6701EVM板的基础上实现一种快速的说话人识别系统.提出一种基于段级语音特征的说话人识别的快速算法,该算法在传统的GMM算法的基础上使用段级语音特征对测试语音进行数据量压缩,以减少计算时间.并基于车比雪夫和不等式提出了基于协方差模型的段级特征的失真测度描述.根据实验选择了段级特征语音段长度,实验表明该算法在不显著影响识别率的基础上有效地减少了算法延迟,提高了识别速度.     

基于i-vector局部加权线性判别分析的说话人识别

基于i-vector的说话人识别系统通常采用LDA来消除训练和测试语音之间信道失配,不能保证样本在待识别语音近邻区域内具有最佳的分离度,这就使得目标说话人和其近邻间的得分差异较小,进而导致识别准确性下降。针对该问题,提出基于i-vector局部加权线性判别分析的说话人识别方法(LWLDA)。在计算类内和类间散度时,增加待识别语音近邻样本权重。在此基础上,通过提高待识别语音近邻域局部类间的分辨能力,尽可能减少因信道差异而产生的识别错误。在不同语音库上的实验结果表明:LWLDA在复杂信道环境下能够保持良好的鲁棒性;在交叉信道条件下的识别准确率比LDA平均提高3.6%。     

基于特征音素的说话人识别方法

本文提出了一种基于特征音素的说话人识别方法,并在低成本门禁系统中获得实现。首先利用清音和浊音悬殊的数字特征将语音信号中的清音和浊音分离,再将分离后的几个浊音的特征频率和相对强度作为特征参数组成30维特征向量。在PC上进行了高阶谱分析和快速傅里叶变换,比较了2种方法声韵分离的效果。然后分别用神经网络识别算法和模板比对法进行识别实验,主要应用目标为单住户语音门禁系统,具有自学习功能,能随着家庭成员的年龄和生理变化不断调整特征向量模板,该方法已在低成本单片机系统中实现。     

基于PSOA聚类和KMP算法的说话人识别方法

在说话人识别领域,MFCC特征参数得到了广泛的应用,但是MFCC特征参数包含了语义信息、语种信息和说话人信息等多种信息,所以存在参数中说话人个性特征信息不明显的问题,而且将MFCC应用于SVM分类器时受Mercer准则的限制.针对以上问题,提出了一种将PSOA聚类与核匹配追踪算法(KMP)相结合的说话人识别方法,首先通过PSOA聚类算法将MFCC特征参数进行变换处理,得到精简的MFCC特征参数,然后利用KMP算法对核函数形式没有任何限制的特性,对精简后的MFCC特征参数进行分类训练和识别.实验结果表明,基于PSOA-KMP的说话人识别方法相比GMM-UBM识别方法,在EER性能上相对提高了38％.     

基于稀疏表示分类的说话人识别算法及其在智能考勤系统中的应用

智能考勤系统在企业对员工的出勤考查中具有十分重要的作用。为了提高语音考勤系统的准确性,提出基于稀疏表示的说话人识别算法。该算法在通用背景模型的基础上提取说话人语音的高斯混合模型超向量,采用线性判别分析技术对超向量进行信道补偿和降维,再由低维超向量形成稀疏表示的过完备字典。根据话者测试语音在过完备字典上的重构误差,对话者的身份进行验证。实验结果表明,基于稀疏表示分类的语音考勤系统具有良好的性能。     

基于排列熵和GMM的说话人识别系统

文章设计的说话人识别系统,采用基于排列熵的端点检测算法,对采集的语音信号提取能够反映人对语音的感知特性的Mel频率倒谱系数(MFCC)进行矢量量化.设计的GMM模型通过实验调整模型参数,对说话人进行识别取得了很好的结果,鲁棒性、识另惜果、系统计算量、复杂度都比较令人满意.     

一种基于受限玻尔兹曼机的说话人特征提取算法*

基于总体空间差异模型的身份认证矢量(即i-vector)已经在说话人识别任务中得到了广泛应用。本文提出了一种基于受限玻尔兹曼机(RBM)的说话人特征向量提取方法来替代总体差异建模的特征提取方法。该方法通过训练得到RBM的模型参数,之后利用隐层输出来表征输入语音超向量的说话人信息。文中比较了不同结构和模块(包括构建RBM的2种单元分布、线性判别分析等)对说话人确认性能的影响。所提方法作为一种新的i-vector特征表示方法,在NIST SRE 2008上取得了和ivector说话人基线系统相当的性能。通过与i-vector基线系统进行融合,系统性能进一步提升。在NIST SRE 2008女性电话语音测试集和男性电话语音测试集上的等错误率分别降至6.83%和4.73%。     

基于改进自适应正交匹配追踪算法的手势识别

针对稀疏求解算法在稀疏度估计上的优势和增加固定步长的不足,提出改进的自适应正交匹配追踪算法。该算法引入稀疏度和变步长步骤,首先通过匹配测试来估计稀疏度初始值,以减少后续迭代次数,然后在不同阶段调整步长来筛选原子数,逼近真实稀疏度。实验结果表明,与其他贪婪算法相比,该算法有效提高了识别精度和效率。     

基于遗传算法的信号识别技术

将遗传算法应用于识别气浮式动平衡测量装置准静态信号的参数 ,提出了二次磨光法的数据预处理方法。首先采用二次磨光法消除坏点并进行快速傅利叶变换以确定信号的频率成分 ,并设定各频率成分信号的幅值和初相位的取值范围 ,然后以实测信号与识别结果的差值定义适应度 ,最后经过基本遗传操作和迭代得出最优解。仿真结果和试验实例表明 ,该方法精度很高 ,幅值识别误差不超过 1 %,初相位误差小于 2°,满足了实际工程需求。     

基于灵敏度分析的改进遗传算法

基本遗传算法局部寻优效率低,而且易于早熟,因此提出了一种基于灵敏度分析的改进遗传算法,该算法利用目标函数的导数信息指导个体向更优解进化;同时在算法中结合了小生境技术,既保证了种群中个体的多样性以克服早熟,又能够保留下最优解;最后对Shubert函数进行仿真试验,对曲柄摇杆机构进行实例优化,结果表明该算法能有效地提高搜索能力和解的精度,加快收敛速度。     

基于视觉的车位线识别算法

提出了一种自动泊车系统中采用视觉方法通过识别车位线来确定泊车位的算法。采用金字塔分层搜索策略,首先,在灰度直方图上应用K均值聚类法对图像进行二值化,提取车位线骨架,采用Hough变换检测骨架,并利用基于密度的无参数聚类方法对骨架线聚类,在金字塔高层图像上确定车位角点候选点;然后,在金字塔最底层图像上选择感兴趣区域,采用改进的基于距离变换的骨架提取算法提取骨架,使用遗传算法对车位角点骨架进行精确匹配,根据实际车位角点的分布特征确定目标车位;最后,在室外不同环境下采集多张车位图片进行算法的有效性和快速性验证实验。实验结果表明,采用基于视觉的车位线识别算法进行车位检测能较大地提高检测的效率和识别正确率。     

基于聚类分析的说话人识别研究

通过分析当今说话人识别系统中常用的一些特征参数.提出一种基于改进的K均值聚类算法的多特征组合的说话人识别方法。经过多次实验证明.采用上述方法不仅解决了K均值算法对初始值敏感、易陷入局部最优的问题.而且有效地提高了系统的识别率。     

基于改进 YOLOv4 的工业棒料识别算法

针对工业棒料存在遮挡干扰时难以快速有效识别的问题,提出了一种基于改进 YOLOv4 的棒料识别算法。首先对 YOLOv4 进行轻量化改进,将改进的 Mobilenetv3 作为 YOLOv4 的主干网络,以减少模型参数量,提高算法的检测速度。然后提出在 YOLOv4 原损失函数基础上串联 Repulsion 损失函数,此新增损失函数包含 2 部分: RepGT 损失和 RepBox 损失,RepGT 损失函数计算目标预测框与相邻真实框所产生的损失值,用来减少棒料误检;RepBox 损失函数计算目标预测框与相邻的其他目标预测框所产生的损失值,用来减少棒料漏检。实验结果表明,改进算法的检测速度为 63 帧/ s ,比原 YOLOv4 算法提升了20 帧/ s ;识别准确率达到 97.85% ,比原 YOLOv4 算法提升了 1.62% 。     

基于BP神经网络的故障模式识别与应用

阐述了神经网络模式识别的基本原理,采用改进的BP算法对故障模式识别进行了研究.改进算法采用的变换函数并引入动量因子,利用变步长算法加速学习,结合汽轮机减速箱故障模式识别进行仿真实验,建立了详细的诊断模型.仿真结果表明,改进算法能够快速收敛,识别结果稳定.     

改进的BP算法用于控制图模式识别

研究3种改进的BP算法在控制图模式识别中的应用。应用Matlab神经网络工具箱对神经网络进行仿真，为了提高网络的运行速度，对样本数据进行预处理。仿真结果表明尺度共轭梯度下降算法的训练速度最快，识别的准确率也最高。     

模式识别中基于概率统计的Bayes算法分析

首先对模式识别所用到的理论、研究背景及典型应用进行阐述;其次,探讨了如何提取数字字符的特征值,并对各种分类器的设计方法及其优缺点进行了比较;最后采用了以模板库为基础的基于二值数据的Bayes分类实现的识别方法,并以VC++作为编程工具实现了具有友好的图形用户界面的自由手写体数字识别系统.     

一种基于图像识别的圆孔对中算法

当大型部件使用法兰进行连接安装时必会碰到圆孔对中的问题,此类圆孔可采用数字图像处理技术来进行圆孔对中判断.该文在对已有圆孔对中理论的分析中,提出一种更快速方便的对中理论(半径扫描法)并对其进行分析,通过理想实验对其进行仿真测试,验证该理论的可行性.