资料下载
如何使用多分形谱及特征来优选说话人识别系统的资料说明
分享资料个
语音是复杂的非线性信号，这使得基于线性理论的传统说话人识别系统性能难以进一步提高。结合语音特点，基于小波极大模方法（Wavelet Transform Modulus-Maxima Method， WTMM），提出一种语音多分形谱特征（Multifractal Spectrum Feature， MSF）提取方法，并将语音多分形谱特征与传统特征结合用于说话人识别，实验表明，在短语音说话人识别中，6维MSF与LPC结合，误识率相比单独使用LPC降低了6.4个百分点；而MSF与MFCC、LPC组合，误识率降至1.2%左右。采用贪婪策略对说话人识别的特征进行优选，从101维特征中优选出13维特征用于识别，实验结果表明优选后的特征参数能有效降低系统误识率，提高识别速度，误识率最低降至1.6%，识别时间减少约86%。
传统的语音信号处理是基于线性理论的，它基于这样一个假设，即当分段足够小时，非线性系统可以用线性系统来近似，但这种近似必然会损失一些有用的信息，使得基于线性理论的系统性能难以进一步提高。从声学和空气动力学角度看，语音信号既非确定性的，也非完全随机的，而是一个非线性过程，因而目前研究的注意力转向非线性信号分析方法，其中的一个方向就是用分形理论。本文尝试用多分形理论分析语音信号，从而在一定程度上弥补线性理论描述语音信号的不足，基于统计理论的GMM （Gaussian Mixture Model，高斯混合模型）模型在训练和识别时都需要充分的数据，才能达到较高的识别率，当进行短语音（2秒左右）说话人识别时，往往难以满足这一要求，为了从有限的数据中，提取出更丰富的信息，以增加模型的识别能力，我们引入了基于分形理论的说话人特征。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
