公共文化服务平台

共 3 条记录，以下是 1-3

全选清除导出

排序方式：

声纹识别中说话方式可靠性研究: 为了改善发声力度对声纹识别系统可靠性的影响，本文将从说话人模型与特特征两个层面对声纹识别系统展开研究。论文的主要工作包括：　　1、基于对说话方式现阶段研究的分析，选择说话方式中具有代表性的发声力度作为本文的主要研究对象。...; 黄文娜; 关键词：声纹识别信号特征可靠性评测说话方式

基于VEMAP的说话人识别鲁棒性研究: 2016年; 为了改善发声力度变化对说话人识别系统性能的影响。针对不同发声力度下语音信号的分析,提出了使用发声力度最大后验概率(Vocal Effort Maximum A Posteriori,VEMAP)自适应方法更新基于高斯混合模型-通用背景模型(Gaussian Mixture Model-Universal Background Model,GMM-UBM)的说话人识别系统模型。实验表明,所提出的方法使不同发声力度下系统EER%降低了88.45%与85.16%,有效解决了因发声力度变化引起的训练语音与测试语音音量失配,从而导致说话人识别性能降低的问题,改善说话人识别系统性能效果显著。; 黄文娜彭亚雄贺松; 关键词：说话人识别

基于MAP+CMLLR的说话人识别中发声力度问题被引量：1: 2017年; 为了改善发声力度对说话人识别系统性能的影响,在训练语音存在少量耳语、高喊语音数据的前提下,提出了使用最大后验概率(MAP)和约束最大似然线性回归(CMLLR)相结合的方法来更新说话人模型、投影转换说话人特征。其中,MAP自适应方法用于对正常语音训练的说话人模型进行更新,而CMLLR特征空间投影方法则用来投影转换耳语、高喊测试语音的特征,从而改善训练语音与测试语音的失配问题。实验结果显示,采用MAP+CMLLR方法时,说话人识别系统等错误率(EER)明显降低,与基线系统、最大后验概率(MAP)自适应方法、最大似然线性回归(MLLR)模型投影方法和约束最大似然线性回归(CMLLR)特征空间投影方法相比,MAP+CMLLR方法的平均等错率分别降低了75.3%、3.5%、72%和70.9%。实验结果表明,所提出方法削弱了发声力度对说话人区分性的影响,使说话人识别系统对于发声力度变化更加鲁棒。; 黄文娜彭亚雄贺松; 关键词：说话人识别最大后验概率

全选清除导出

共1页<1>

黄文娜