2010级研究生中期选题汇报.docVIP

北京信息科技大学 硕士学位论文选题报告 选题名称 基于支持向量机的说话人识别 姓 名 李 飞 专业、年级 09级信号与信息处理专业 指导教师 李红莲 协助指导教师 报告日期 2010年12月 填表说明 应根据表中所提出的要求作开题报告，听取意见修改后，方可填写此表。 封面“指导教师”一栏仅限正式指导教师，“协助指导教师”限在研究生部正式备案的协助指导教师。 本表一式二份，经评议组及学科（专业）所在分委会批准后，本人、各分委会各持一份，研究生部留存电子版备案。 4. 选题报告（连同评分附表）在第三学期结束前，由所在学科（专业）分委员会签署意见后备案。 一、选题背景和立论依据 1. 选题背景（课题来源） 语音是实现人们之间沟通交流的最直接与方便的手段，而实现计算机与人之间畅通无阻的语音交流一直是人类不懈追求的一个梦想，语音识别则是实现这一梦想的关键性技术[1]。说话人识别技术（Speaker recognition，SR）也称声纹识别技术是语音识别技术中的一种。语音波形可以反映说话人生理和行为特征，我们称之为的语音参数。说话人识别技术可以提取这些语音参数，并根据这些参数自动识别说话人的身份。与指纹识别、虹膜识别等一样，说话人识别可以被广泛应用于各种需要身份认证的领域当中，如防盗门的开启认证、银行系统的身份认证、犯罪嫌疑人的查证、网络信息检索等。 说话人识别的过程分为两个阶段。首先是学习阶段，需要一种手段处理来自不同说话人的语音参数，按一定方法“找到”并“记住”每个说话人之间的不同之处。然后是识别阶段，当得到一段未知身份的语音时可以凭借学习阶段的“记忆”来识别说话人的身份。支持向量机正是一种建立在统计学习理论基础上的一种通用学习方法。它具有保持经验风险固定而最小化置信范围的特点，相比其它学习手段（如基于贝叶斯判决的分类器或者神经网络分类器，）支持向量机可以解决局部极小点和过学习等问题，以便于正确地将每个说话人的语音特征进行分类。因此，研究基于支持向量机的说话人识别将具有较高的理论价值和广泛的应用前景。 来源：预研项目 课题名称：基于支持向量机的说话人识别 2.文献综述（包括选题依据和国内外研究现状、发展动态、课题研究目的、意义等，可加附页，应不少于3000字） 见附页 3.所查阅的与选题有关的中外文献名称、作者、期刊及所用查阅手段 [1] 徐波.语音识别技术与应用的发展趋势[J].中国计算机学会通讯，2008,2:54~57 [2] L.R.拉宾纳，R.W.谢弗，朱雪龙等译.语音信号处理[M].科学出版社. [3] 张军英.说话人识别的现代方法与技术[D].陕西：西北大学,1994. [4] 雷震春,支持向量机算法的研究及在说话人识别上的应用[D],浙江：浙江大学,2002. [5] 吴朝晖,杨莹春,说话人识别模型与方法[M],北京：清华大学出版社,2009. [6] 杜娟,基于支持向量机的说话人识别[D],吉林：吉林大学,2007. [7] Yu H., Yang J., and Han J., Classifying Large Data Sets Using SVMs with Hierarchical Clusters[J], Proc. of the 9th ACM SIGKDD 2003,Washington, DC,USA,2003. [8] Dong J-X., Krzyzak A. and Suen C.Y., Fast SVM Training Algorithm with Decomposition on Very Large Data Sets[J], IEEE Trans. Pattern Analysis and Machine Intelligence, Vol.27, No.4,pp.603-618, 2005 [9] Mavroforakis M.E. and Teodoridis S., A Geometric Approach to Support Vector Machine(SVM)Classification[J], IEEE Trans. Neural Networks, Vol.17, No.3, 671-682, 2006 [10] 李红莲，基于Internet的为文本口语检索的研究[D].北京：北京交通大学，2003. [11] 王书诏,邱天爽，说话人识别研究综述[J].电声技术，2007