共查询到20条相似文献,搜索用时 0 毫秒
1.
随着生物识别技术在各行各业之中开始普遍使用,作为人类最高频的交互方式,声纹识别成为生物识别技术中一种不可替代的解决方案。本文设计了一种基于现场可编程门阵列(Field Programmable Gate Array, FPGA)的声纹识别系统。该系统基于MFCC提取的声音特征通过卷积神经网络模型进行声纹识别,并结合IP核对卷积运算进行加速,试验测试表明,该系统可以充分发挥FPGA的高密度、高效率优势,提高CNN的运行效率、优化其前馈网络结构,从而实现更快速、更精准的声纹识别。 相似文献
2.
提出了一种基于遗传优化RBF神经网络的声纹识别算法,该算法中采用遗传算法对传统的RBF神经网络基函数中心以及宽度进行优化处理,克服了传统RBF神经网络参数难以确定的缺陷。同时,算法结合心理声学模型,提取了能表现说话人个性特征的Mel倒谱系数为特征进行说话人识别,可较好地提升系统的抗噪性能。仿真实验结果表明,与传统RBF神经网络相比,该方法具有快速学习网络权重的能力,并且网络的全局寻优能力强,使得系统的识别率进一步提高。 相似文献
3.
随着电网调控一体模式的应用打破传统的调度的业务范畴,调控拓展成为电网信息通信与设备的集中监视与指挥控制中心,各类生产业务的实时、准确信息逐步汇集到调度台。作为各类监控信息和管理流程的汇集点,调度下令的准确性直接关乎电网运行稳定性。本文针对调度录音系统的需求,通过对声纹识别技术在调度录音分析的应用进行分析研究,期望蒋进一步通过技术力量改变调度下令不规范,用语不真切的不良习惯,从根本上解决调度下令的多年诟病,提升电网调度下令水平。 相似文献
4.
以声纹识别的发展现状为切入点,通过研究传统声纹识别系统的基本概念以及人工智能技术在声纹识别系统中的应用,深入探索基于人工智能技术的智能声纹识别系统建设,为智能声纹识别系统的未来发展提供可行性建议. 相似文献
5.
6.
7.
当今课堂教学过程中存在着学生旷课、老师需要经常检查课堂出勤情况等问题.本系统着眼于课堂教学的实际需要,旨在方便任课老师了解学生上课出席情况,以及防止冒名顶替等不公正现象的发生,开发了基于i-vector声纹识别技术的上课点名系统,不仅在说话人识别的研究领域有探索意义,而且在方便老师课堂管理方面有着重要的实践意义. 相似文献
8.
声纹识别技术及其应用 总被引:3,自引:1,他引:2
声纹是生物特征的一种,对于人体来说,声纹是长期稳定的特征信号,通过声纹鉴别技术可以区分不同个体。介绍了声纹、声纹识别的概念和原理;指出了声纹识别技术的应用范围和前景。 相似文献
9.
针对生物特征识别数据所面临的安全风险,调研和分析国内外对生物特征识别数据的治理和标准化进展,对GB/T 41807—2022《信息安全技术声纹识别数据安全要求》进行重点解读,并结合标准试点效果,探讨声纹识别数据安全标准化的重要意义。 相似文献
10.
林玲惠张永富张馨月张昃玮夏铭谦 《长江信息通信》2020,(6):112-114
文章阐述声纹识别的理论依据,分析选用技术的关键步骤。基于Matlab软件,制作一个系统。通过相关算法的运用和改进,并进行实验对系统进行检测,最终获得一个可对特定人声进行识别的系统,且误识率(FAR)和拒识率(FRR)较低。 相似文献
11.
12.
针对传统智能照明安全控制系统中由于声纹特征提取单一而影响识别准确率的问题,文章提出融合梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)与伽马通频率倒谱系数(Gammatone Frequency Cepstral Coefficients,GFCC)特征参数,采用费希尔准则对融合后的特征参数进行降维,利用卷积神经网络(Convolutional Neural Networks,CNN)构建智能照明系统声纹识别模型,通过搭建实验环境对改进后的方式进行测试。实验结果表明,改进后的方式能够有效提升系统声纹识别的准确性,提升系统整体的安全性。 相似文献
13.
人工话务在国家抗洪抗灾、会议安保、应急处突等重大任务中发挥了关键作用,同时对话务员的保障水平提出了很高要求.话务员的"四功"训练是提高话务水平的基础,手功、脑功、口功的训练均有系统科学的方法,只有耳功训练缺少技术手段支持.急需一种可靠有效的技术手段来辅助话务员提高听音知人准确率.本文首先介绍了声纹识别系统和技术原理,然后根据话务员听音知人的实际情况,提出了声纹识别的几种关键性技术模型,为下一步在话务员听音知人训练中如何利用声纹识别技术作为辅助手段提供了理论支持. 相似文献
14.
15.
16.
17.
声纹识别是生物特征识别领域的一个重要分支。它采用语言数据自动地鉴定测试者身份。本文研究复杂背景下的声纹识别系统的设计与实现,首先,利用正交小波滤波器组来对信号进行预滤波,对语言信号的每个频率段进行细粒度去噪,提取出各频段小波系数,重构出语音信号;其次,在特征提取阶段,利用倒谱法计算出基音周期参数,通过Mel滤波器组将小波系数转换成Mel倒谱系数(MFCC),将得出的两种参数组成一个特征矢量作为声纹特征;最后声纹识别阶段,每一个说话人都由一个GMM表示,计算出特征矢量序列的每个似然函数,找到其中最大的说话人模型,即判定为说话人。 相似文献
18.
对面向"互联网+"的声纹识别技术进行研究,并分析了其在刑事案件侦破中的应用。基于GMM-UBM声纹识别确认系统,对GMM-UBM模型构建方法进行详细描述,研究模型参数最大后验概率算法、估计期望最大化算法、参数训练和识别过程。对基于GMM-UBM的声纹识别系统进行设计,利用对比实验的方法分别验证在相同条件下GMM建模方法、GMM-UBM建模方法的识别效果。在测试随机抽取的一组语音时,系统均具有较高的识别成功率,在进行不同人数测试时,随着样本人数的增加,系统识别率会有少许降低,但平均识别率较高,为89.6%;与GMM系统相比,GMM-UBM系统具有较高的识别率,随着混合度的增加,GMM-UBM系统识别率随之增大。 相似文献
19.