用于抗噪声说话人识别的直接倒谱加权GMM模型

为了提高噪声中的说话人识别率,根据各维倒谱系数鉴别能力的不同,在识别过程中对GMM(Gauss mixture model)模型的各维分量直接加权,提出了直接倒谱加权的GMM模型,并且研究了在噪声情况下衡量各维特征鉴别能力的新方法。将该方法与MMSE(Minimum mean square error)相融合,对白噪声和地铁噪声进行实验,得到基线系统和MMSE增强系统在不同噪声情况下最优的加权窗函数。试验结果表明,直接倒谱加权GMM能显著提高系统识别精度。     

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。     

一种基于MFCC与韵律特征的说话人确认方法

梅尔倒谱系数是一种常用于说话人识别的特征参数,韵律特征是一种描述人的声门特性的参数。为融合MFCC与韵律特征,以图优化说话人确认系统性能,该文采用二次判决的方法来处理这两个特征;参与第二次判决的语音则由通过大量实验制定的判决空间来确定。实验结果表明,采用二次判决时,系统等错误率从仅使用MFCC时的5．56％的下降至4．37％。     

基于小波神经网络的与文本无关说话人识别方法研究

基于神经网络的说话人识别方法可以在一定程度上模仿人脑的功能,是说话人识别中的一种主要技术,但它通常难以确定隐层单元的数目,收敛速度慢,易于收敛到极小点。该文研究了一种用于说话人识别的小波神经网络模型,给出了网络结构和学习算法。采用Mel频率倒谱系数作为与文本无关的说话人识别的特征参数,并利用该模型进行了5个人的说话人识别实验,得到99.5%的识别率。实验结果表明,小波网络和传统的BP网络相比,训练速度和识别率都有了较大提高,具有良好的应用前景和进一步研究的价值。     

A Novel System for Recognizing Recording Devices from Recorded Speech Signals

The field of digital audio forensics aims to detect threats and fraud in audio signals. Contemporary audio forensic techniques use digital signal processing to detect the authenticity of recorded speech, recognize speakers, and recognize recording devices. User-generated audio recordings from mobile phones are very helpful in a number of forensic applications. This article proposed a novel method for recognizing recording devices based on recorded audio signals. First, a database of the features of various recording devices was constructed using 32 recording devices (20 mobile phones of different brands and 12 kinds of recording pens) in various environments. Second, the audio features of each recording device, such as the Mel-frequency cepstral coefficients (MFCC), were extracted from the audio signals and used as model inputs. Finally, support vector machines (SVM) with fractional Gaussian kernel were used to recognize the recording devices from their audio features. Experiments demonstrated that the proposed method had a 93.4% accuracy in recognizing recording devices.     

语音识别在倒谱领域中的验证

为了验证语音识别系统的鲁棒性,对其过程进行监控,设置了一个假想情景:用一个人来模仿别人的讲话,通过混合转换装置,在倒谱领域中,声音转换能够对音频信号进行计算和修改,通过实验得知身份识别系统的鲁棒性是可以实现的.     

一种改进的孤立词端点检测方法

将Mel倒谱距离和多带能量-熵特征相结合,提出了一种改进的孤立词端点检测方法。该方法具有不需要估计背景噪声调整门限阈值的优点。仿真实验表明,所提方法在实验室噪声环境下可检测到准确的孤立词端点,特别是当起止处含有弱的摩擦音或爆破音时,不会造成虚检和漏检,鲁棒性较好。由于计算简单,适合实时应用。     

一种数字全通滤波器的设计方法研究

研究了一种数字全通滤波器的设计方法.对于一个平稳的全通滤波器,其分母多项式一定具有最小相位.该方法是基于最小相位滤波器的复倒谱系数和其群迟延函数以及其系统函数之间的关系,通过一个非线性的递归方程求解分母多项式的系数.由全通滤波器的特性已知,分母系数可以完全决定全通滤波器的传递函数.仿真结果表明这种方法能够使所设计滤波器的群延迟特性在整个频率范围内以近似理想的群延迟特性存在.并结合实现提出了一种用FIR逼近IIR的方法.     

光纤传感系统振动信号模式识别的研究

提出了一种基于MFCC特征和SVDD训练的光纤传感系统振动信号的识别算法,该算法选择MFCC系数作为模式识别的特征量,利用SVDD算法实现对特征量的训练和模式匹配,同时对SVDD算法进行了扩展,使其能够利用单个事件进行模板库训练和多类别识别。实验证明,该算法在光纤传感系统应用中,能够准确识别常见扰动事件的类别,具有较高的识别率,并简化了模板库的建立过程。     

基于样本扩充网络的水声目标分类模型优化算法

水声目标识别是近年来各国的研发热点,但是由于水声目标难以采集而导致样本数据不足,严重影响了神经网络的识别效率以及自动化识别装备的水平和性能的发挥;为此,提出了一种基于样本扩充网络的水声目标分类模型优化方法,通过搭建掩模重建的样本扩充网络,充分利用无标注数据进行训练,使模型学习到样本的全局高维特征,再生成样本加入后续的识别模型训练中,在两次试验过程中,平均识别准确率从76%提升至80%,最佳识别准确率从88%提升至96%;基于实测数据的实验表明,该方法提升了分类器的准确率、收敛速度以及稳定性。