原创力文档- 1、本文档共7页，可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
查看更多
基于自适应高斯混合模型与静动态听觉特征融合的说话-光学精密工程
第 卷 第 期 光学 精密工程
２１ ６
Ｖｏｌ．２１ Ｎｏ．６
Ｏ ｔｉｃｓａｎｄＰｒｅｃｉｓｉｏｎＥｎｉｎｅｅｒｉｎ
年 月 ｐ ｇ ｇ
２０１３ ６ Ｊｕｎ．２０１３
文章编号 （ ）
１００４９２４Ｘ２０１３０６１５９８０７
基于自适应高斯混合模型与静动态
听觉特征融合的说话人识别
，
１ １２ １
吴 迪 ，曹 洁 ，王进花
（ 兰州理工大学 电气工程与信息工程学院，甘肃 兰州 ；
１． ７３００５０
２．兰州理工大学 计算机与通信学院，甘肃 兰州 ７３００５０）
摘要：对特征参数和高斯混合模型进行改进，提出了一种特征域和模型域混合补偿的方法用于解决说话人识别特征受噪
声影响较大以及高斯混合模型随训练样本长度减小而性能下降的问题。通过模拟人耳听觉，给出了基于伽马通滤波器
的伽马通滤波倒谱系数；考虑其只反映了语音的静态特征，提取了能够反映语音动态特征的伽马通滑动差分倒谱系数。
基于因子分析技术，利用移动因子表示高斯混合模型的自适应过程，通过训练语料较充分的说话人模型中的均值向量补
偿受训练语料长度影响较大的分量的均值向量。仿真实验表明：在纯净背景下，本文方法的识别率达到了 ９８．４６％；在
不同噪声环境下，本文提出的混合补偿方法能有效提高说话人识别系统的性能。
关 键 词：高斯混合模型；伽马通滤波器 ；滑动差分倒谱；因子分析；听觉特征
中图分类号： 文献标识码： ： ／
ＴＰ３９１．４１ Ａ 犱狅犻１０．３７８８ＯＰＥ１５９８
犛犲犪犽犲狉狉犲犮狅狀犻狋犻狅狀犫犪狊犲犱狅狀犪犱犪狋犲犱犌犪狌狊狊犻犪狀犿犻狓狋狌狉犲
狆 犵 狆
犿狅犱犲犾犪狀犱狊狋犪狋犻犮犪狀犱犱狀犪犿犻犮犪狌犱犻狋狅狉犳犲犪狋狌狉犲犳狌狊犻狅狀
狔 狔
，
１ １２ １
， ，
ＷＵＤｉ ＣＡＯＪｉｅ ＷＡＮＧＪｉｎｈｕａ
（ ，
１．犆狅犾犾犲犲狅 犈犾犲犮狋狉犻犮犪犾犪狀犱犐狀狅狉犿犪狋犻狅狀犈狀犻狀
文档评论（0）