多声源环境下的鲁棒说话人识别 robust speaker recognition in multi-source environment.pdfVIP

多声源环境下的鲁棒说话人识别 robust speaker recognition in multi-source environment.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
多声源环境下的鲁棒说话人识别 robust speaker recognition in multi-source environment

计 算 机 系 统 应 用 2015 年 第24 卷 第 4 期 多声源环境下的鲁棒说话人识别① 张凤仪, 夏秀渝, 冉国敬, 何 礼, 叶于林 ( 四川大学 电子信息学院, 成都 610065) 摘 要: 针对多声源干扰环境下说话人识别系统性能急剧下降的问题, 提出一种提取目标语音的前端处理方法, 该方法依据独立语音时频域的近似稀疏性, 基于目标语音方位信息采用非线性时频掩蔽方法提取目标语音. 建 立了基于梅尔倒谱系数(MFCC) 的高斯混合模型(GMM)说话人识别系统. 仿真实验证明, 该方法能有效提取目标 语音, 提高说话人识别系统的鲁棒性. 该文多声源干扰仿真实验条件下, 说话人识别系统的识别率平均提高了 25%左右. 关键词: 说话人识别; 语音增强; 方位信息; 时频掩蔽; MFCC 参数 Robust Speaker Recognition in Multi-Source Environment ZHANG Feng-Yi, XIA Xiu-Yu, RAN Guo-Jing, HE Li, YE Yu-Lin (College of Electronics and Information Engineering, Sichuan University, Chengdu 610064, China) Abstract: The Speaker Recognition System is significantly affected by the Multi-Sound sources problem. In order to overcome this problem, a target sound extraction algorithm named time-frequency masking is proposed. The proposed algorithm is based on the sound source azimuth information and the approximate sparse nature of sound. A Mel-frequency cepstral coefficient (MFCC) based Gaussian mixture model (GMM) speaker recognition system is presented to improve the recognition robustness. The proposed algorithm has been tested on the simulated data through a number of experiments which shows the efficiency and robustness of the proposed algorithm. In the Multi-Sound sources environment, the recognition rate of the proposed algorithm can be improved by about 25%. Key words: speaker recognition; speech enhancement; sound source azimuth information; time-frequency masking; MFCC 1 引言 数等. 前端语音增强方法有谱减法、维纳滤波法等. 当 随着计算机技术和信息化社会的发展, 说话人识 噪声近似为平稳宽带噪声时, 这两种方法是比较有效 别作为具有语音识别与理解功能的智能人T 机接口, 的. 其应用领域在不断扩大, 如保密安全、司法鉴定及军 然而, 实际

您可能关注的文档

文档评论(0)

118zhuanqian + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档