基于JFA的汉语耳语音说话人识别的中期报告.docxVIP

基于JFA的汉语耳语音说话人识别的中期报告 一、研究背景 随着社会的不断发展，语音技术已经被广泛应用于各个领域，其中语音识别和语音合成技术是应用最为广泛的两个领域。语音识别技术是指通过计算机程序识别人的语音并将其转化成文字，而语音合成技术则是将文字转化成语音。而在实际应用中，我们需要对发音相同或相似的不同人进行区分，这就是说话人识别技术的应用。 目前，基于JFA（Joint Factor Analysis）的说话人识别技术已经被广泛应用于语音技术领域。与传统的GMM（高斯混合模型）和i-vector（identity vector）方法相比，JFA模型可以在更小的训练数据集上获得更好的识别性能，而且对于同一说话人的不同录音数据可以进行更好的建模。 针对汉语耳语音的说话人识别问题，本研究基于JFA模型，提出了一种新的汉语耳语音说话人识别方法。 二、研究内容 1. 数据集构建 本研究使用清华大学提供的汉语耳语音数据集进行实验。该数据集共有22名说话人，每位说话人提供了10个不同的汉语耳语音样本。 2. 特征提取 本研究使用Mel频率倒谱系数（MFCC）作为汉语耳语音的特征。在MFCC提取过程中，我们选择每帧时长为20毫秒，帧移为10毫秒，滤波器组数为40。最终，我们得到了22个说话人，每个说话人对应10个MFCC特征向量。 3. JFA模型 在本研究中，我们使用JFA模型来进行说话人识