检索结果-南通市图书馆

文本无关说话人识别的全特征矢量集模型及互信息评估方法

在线全文

学校读者我要写书评

暂无评论

声学学报 2005年第6期30卷 536-541页

作者：俞一彪王朔中苏州大学电子信息工程学院苏州215021 上海大学通信与信息工程学院上海200072

提出了一种文本无关说话人识别的全特征矢量集模型及互信息评估方法,该模型通过对一组说话人语音数据在特征空间进行聚类而形成,全面地反映了说话人语音的个性特征。对于说话人语音的似然度计算与判决,则提出了一种互信息评估方法,该算... 详细信息

提出了一种文本无关说话人识别的全特征矢量集模型及互信息评估方法,该模型通过对一组说话人语音数据在特征空间进行聚类而形成,全面地反映了说话人语音的个性特征。对于说话人语音的似然度计算与判决,则提出了一种互信息评估方法,该算法综合分析距离空间和信息空间的似然度,并运用最大互信息判决准则进行识别判决。实验分析了线性预测倒谱系数(LPCC)和Mel频率倒谱系数(MFCC)两种情况下应用全特征矢量集模型和互信息评估算法的说话人识别性能,并与高斯混合模型进行了比较。结果表明:全特征矢量集模型和互信息评估算法能够充分反映说话人语音特征,并能够有效评估说话人语音特征相似程度,具有很好的识别性能,是有效的。

关键词：高斯混合模型说话人识别最大互信息评估方法特征矢量文本无关 Mel频率倒谱系数线性预测倒谱系数语音数据

短时频谱通用背景模型群联合韵律的年龄语音转换

在线全文

学校读者我要写书评

暂无评论

声学学报 2017年第6期42卷 762-768页

作者：惠琳俞一彪苏州大学电子信息学院苏州215006

提出一种短时频谱通用背景模型群与韵律参数相结合进行年龄语音转换的方法。谱参数转换方面,同一年龄段各说话者提取语音短时谱系数并建立高斯混合模型,然后依据语音特征相似性对说话者进行聚类,每一类训练一个通用背景模型,最终得到通... 详细信息

提出一种短时频谱通用背景模型群与韵律参数相结合进行年龄语音转换的方法。谱参数转换方面,同一年龄段各说话者提取语音短时谱系数并建立高斯混合模型,然后依据语音特征相似性对说话者进行聚类,每一类训练一个通用背景模型,最终得到通用背景模型群和一组短时频谱转换函数。谱参数转换之后再对共振峰进一步微调。韵律参数转换方面,基频和语速分别建立单高斯和平均时长率模型来推导转换函数。实验结果显示,提出的方法在ABX和MOS等评价指标上比传统的双线性法有明显的优势,相对单一通用背景模型法的对数似然度变化率提高了4%。这一结果表明提出的方法能够使转换语音具有良好目标倾向性的同时有较好的语音质量,性能较传统方法有明显提升。

关键词：背景模型语音时频谱通用共振峰频率参数转换高斯混合模型基频模型法正韵律

在线全文

学校读者我要写书评

暂无评论

采用独立说话人模型的语音转换

声学学报 2012年第3期37卷 346-352页

作者：俞一彪曾道建姜莹苏州大学电子信息学院苏州215006

提出一种基于完全独立的说话人语音模型进行语音转换的方法。首先每个说话人采用各自的语料训练结构化高斯混合模型(Structured Gaussian Mixture Model,SGMM),然后根据源和目标说话人各自的模型采用全局声学结构(AcousticalUniversal S... 详细信息

提出一种基于完全独立的说话人语音模型进行语音转换的方法。首先每个说话人采用各自的语料训练结构化高斯混合模型(Structured Gaussian Mixture Model,SGMM),然后根据源和目标说话人各自的模型采用全局声学结构(AcousticalUniversal Structure,AUS)进行匹配和高斯分布对准,最终得到相应的转换函数进行语音转换。ABX和MOS实验表明可以得到与传统的平行语料联合训练方法接近的转换性能,并且转换语音的目标说话人识别正确率达到94.5%。实验结果充分说明了本文提出的方法不仅具有较好的转换性能,而且具有较小的训练量和很好的系统扩展性。

关键词：说话人识别语音转换语音模型 Gaussian 高斯混合模型训练方法系统扩展性声学结构

在线全文

学校读者我要写书评

暂无评论

基于LDPC码的MPEG-4鲁棒数字水印

应用科学学报 2010年第3期28卷 283-288页

作者：郝腾俞一彪苏州大学电子信息学院江苏苏州215006

提出了一种基于LDPC码的MPEG-4视频水印方案,利用LDPC码的纠错性能和人眼视觉特性在MPEG-4视频中实现数字水印的嵌入和提取.嵌入前先对水印信息进行LDPC编码,将处理后的水印嵌入到视频I-VOP亮度分量的中频系数中.盲提取时用LDPC迭代译... 详细信息

提出了一种基于LDPC码的MPEG-4视频水印方案,利用LDPC码的纠错性能和人眼视觉特性在MPEG-4视频中实现数字水印的嵌入和提取.嵌入前先对水印信息进行LDPC编码,将处理后的水印嵌入到视频I-VOP亮度分量的中频系数中.盲提取时用LDPC迭代译码算法对提取的水印信息进行译码.实验表明,该方案降低了水印在传输中的误码率,有效提高了抗攻击能力,对于常见的视频攻击具有较强的鲁棒性.

关键词：低密度奇偶检验 MPEG-4 视频水印

在线全文

学校读者我要写书评

暂无评论

基于互信息匹配模型的说话人识别

声学学报 2004年第5期29卷 462-466页

作者：俞一彪王朔中苏州大学电子信息工程学院苏州215021 上海大学通信与信息工程学院上海200072

依据互信息理论提出的互信息匹配识别模型MIM(Mutual Information Matching),能够有效地综合处理语音信号的统计分布特征与时变分布特征,并具有较强的鲁棒性。介绍了运用互信息进行说话人模式匹配的原理,探讨了基于文本的说话人识别中MI... 详细信息

依据互信息理论提出的互信息匹配识别模型MIM(Mutual Information Matching),能够有效地综合处理语音信号的统计分布特征与时变分布特征,并具有较强的鲁棒性。介绍了运用互信息进行说话人模式匹配的原理,探讨了基于文本的说话人识别中MIM模型的应用,通过说话人辨别实验对MIM模型的性能进行了实验分析,并与其它识别模型DTW和GMM进行了比较。对18名男性和12名女性组成的30名说话人进行的识别实验表明, MIM模型的说话人识别性能较好,在采用LPCC特征参数的情况下,平均错误识别率为1.33％。

关键词：互信息匹配模型说话人识别语音信号鲁棒性平均错误识别率

倒谱本征空间结构化高斯混合模型语音转换方法

在线全文

学校读者我要写书评

暂无评论

声学学报 2015年第1期40卷 12-19页

作者：李阳春俞一彪苏州大学电子信息学院苏州215006

针对非平行语料非联合训练条件下的语音转换,提出一种基于倒谱本征空间结构化高斯混合模型的方法。提取说话人语音倒谱特征参数之后,根据其散布矩阵计算本征向量构造倒谱本征空间并训练结构化高斯混合模型SGMM-ES(Structured Gaussian M... 详细信息

针对非平行语料非联合训练条件下的语音转换,提出一种基于倒谱本征空间结构化高斯混合模型的方法。提取说话人语音倒谱特征参数之后,根据其散布矩阵计算本征向量构造倒谱本征空间并训练结构化高斯混合模型SGMM-ES(Structured Gaussian Mixture Model in Eigen Space)。源和目标说话人各自独立训练的SGMM-ES根据全局声学结构AUS(Acoustical Universal Structure)原理进行匹配对准,最终得到基于倒谱本征空间的短时谱转换函数。实验结果表明,转换语音的目标说话人平均识别率达到95.25%,平均谱失真度为1.25,相对基于原始倒谱特征空间的SGMM方法分别提高了0.8%和7.3%,而ABX和MOS测评表明转换性能非常接近于传统平行语料方法。这一结果说明采用倒谱本征空间结构化高斯混合模型进行非平行语料条件下的语音转换是有效的。

关键词：高斯混合模型本征向量特征空间语音转换结构化倒谱转换方法说话人

约束条件下的结构化高斯混合模型及非平行语料语音转换

在线全文

学校读者我要写书评

暂无评论

电子学报 2016年第9期44卷 2282-2288页

作者：车滢霞俞一彪苏州大学电子信息学院江苏苏州215006

提出一种约束条件下的结构化高斯混合模型及非平行语料语音转换方法.从源与目标说话人的原始非平行语料中提取出少量相同音节,在结构化高斯混合模型的训练过程中,利用这些相同音节包含的语义信息及声学特征对应关系对K均值聚类中心进行... 详细信息

提出一种约束条件下的结构化高斯混合模型及非平行语料语音转换方法.从源与目标说话人的原始非平行语料中提取出少量相同音节,在结构化高斯混合模型的训练过程中,利用这些相同音节包含的语义信息及声学特征对应关系对K均值聚类中心进行约束,并在(Expectation Maximum,EM)迭代过程中对语音帧属于模型分量的后验概率进行修正,得到基于约束的结构化高斯混合模型(Structured Gaussian Mixture Model with Constraint condition,CSGMM).再利用全局声学结构(Acoustic Universal Structure,AUS)原理对源和目标说话人的约束结构化高斯混合模型的高斯分布进行匹配对准,推导出短时谱转换函数.主观和客观评价实验结果表明,使用该方法得到的转换后语音在谱失真,目标倾向性和语音质量等方面均优于传统的结构化模型语音转换方法,转换语音的平均谱失真仅为0.52,说话人正确识别率达到95.25%,目标语音倾向性指标ABX平均为0.82,性能更加接近于基于平行语料的语音转换方法.

关键词：语音转换结构化高斯混合模型非平行语料约束条件

矢量量化正则变分自编码器做非平行语料语音转换

在线全文

学校读者我要写书评

暂无评论

信号处理 2021年第7期37卷 1339-1345页

作者：王超俞一彪苏州大学电子信息学院江苏苏州215006

基于矢量量化变分自编码器(Vector Quantized Variational Autoencoder,VQVAE)的语音转换系统是国内外语音转换领域研究的一大热点,但是其较差的转换音质限制了模型的应用。本文在VQVAE的基础上提出一种改进的矢量量化正则变分自编码器(... 详细信息

基于矢量量化变分自编码器(Vector Quantized Variational Autoencoder,VQVAE)的语音转换系统是国内外语音转换领域研究的一大热点,但是其较差的转换音质限制了模型的应用。本文在VQVAE的基础上提出一种改进的矢量量化正则变分自编码器(Vector Quantization Regularized Variational Autoencoder,VQ-REG-VAE)。在训练时,矢量量化退化为正则化项,通过矢量量化的正则约束让编码器学习生成说话人无关的语义特征,同时让解码器学习将说话人特征融合到语义特征中。在转换时,可以去掉矢量量化这一正则化项,通过编码器和解码器就能实现语音转换。由于转换时没有进行矢量量化,语义特征信息得以更好保留。客观和主观实验都表明:基于VQ-REG-VAE模型的转换语音在不降低相似度的前提下,音质比VQVAE模型有显著的提升。

关键词：语音转换矢量量化矢量量化正则变分自编码器

在线全文

学校读者我要写书评

暂无评论

数字信号处理理论与应用第3版 3版