排序方式: 共有15条查询结果,搜索用时 109 毫秒
1.
针对情感变异的语音分类与识别研究的需要,给出了情感变异的语音语料库的构建流程和制作规范,设计并建立了情感变异的语音语料库。现已录制的语料包含自然、高兴、悲伤和愤怒四种情感类型,共1 600条语句。为了证明该情感变异的语音语料库的有效性,对其所有数据进行了听辨实验检测。结果表明,设计并构建的情感变异的语音语料库具有较高的实用价值,为情感变异的语音的分类与识别的研究奠定了夯实的基础。 相似文献
2.
说话人识别的关键在于如何为集合中的每一个人建立一个能表征该说话人个性特征的声学模型,建模方法将会严重影响系统的性能。基于当今与文本无关的话者识别的主流模型——高斯混合模型(Gaussian Mixture Model,GMM)的基础上,从声学的角度剖析了男女发音的差别,以增加说话人之间的差异性为出发点,引入竞争性思想和通用背景模型(Universal Background Model,UBM),提出了具有区分性的GMM的建模方法,克服了传统GMM需要大量训练样本的局限性和UBM将说话人强制服从统一分布的弱点。最后实验的对比结果表明,具有区分性的GMM相比传统的高斯混合模型在识别率上有所提高。 相似文献
3.
应力影响下的变异语音是由于说话人受到重力加速度变化而产生的,与正常语音相比,变异语音频谱能量在频带范围内分布更加分散。把整个频带划分成8个子带,采用子带频谱能量的比值为特征,提出一种基于子空间方法的正常/变异语音分类方法。该方法采用CLAFIC方法设计初始向量子空间,并通过LSM算法对两类样本子空间按不同的旋转方式训练,用预分类的结果调整分类器的参数来改善分类器的性能。实验结果表明,该方法对应力影响下的变异语音与正常语音具有良好分类效果,平均分类正确率达到了95.9%。 相似文献
4.
说话人识别的关键在于如何为集合中的每一个人建立一个能表征该说话人个性特征的声学模型,建模方法将会严重影响系统的性能.基于当今与文本无关的话者识别的主流模型——高斯混合模型(Gaussian Mixture Model,GMM)的基础上,从声学的角度剖析了男女发音的差别,以增加说话人之间的差异性为出发点,引入竞争性思想和通用背景模型(Universal Background Model,UBM),提出了具有区分性的GMM的建模方法,克服了传统GMM需要大量训练样本的局限性和UBM将说话人强制服从统一分布的弱点.最后实验的对比结果表明,具有区分性的GMM相比传统的高斯混合模型在识别率上有所提高. 相似文献
5.
介绍了一种环境特征判别学习的Robust语音识别方法,该方法基于最小分类错误准则利用梯度下降法迭代地学习环境特征,实现了高噪声背景下命令语音识别系统。在不同级别背景噪声下,分别进行了有关信噪比、基本精度、抗噪能力以及系统对环境改变的适应性等实验。实验结果表明,系统在较高噪声背景下,有很好的识别效果,基本可满足应用领域的需要。 相似文献
6.
7.
8.
9.
麦克风阵列声源定位可为在复杂环境下的说话人的空间位置估计提供有效的解决方案.而传统的应用于雷达,声呐系统领域的阵列信号处理理论已趋于完美,很多应用于阵列信号处理的算法加以修改就可以用来进行麦克风阵列的声源定位.以阵列信号处理中的经典算法MUSIC(Multiple Signal Classification)算法为原型... 相似文献
10.
针对情感变异的语音分类与识别研究的需要,给出了情感变异的语音语料库的构建流程和制作规范,设计并建立了情感变异的语音语料库.现已录制的语料包含自然、高兴、悲伤和愤怒四种情感类型,共1 600条语句.为了证明该情感变异的语音语料库的有效性,对其所有数据进行了听辨实验检测.结果表明,设计并构建的情感变异的语音语料库具有较高的... 相似文献