检索结果-南通市图书馆

基于语音质量自适应和类三元组思想的说话人确认方法

在线全文

学校读者我要写书评

暂无评论

计算机应用 2024年

作者：王超姚姗姗山西大学大数据科学与产业研究院

针对目前的说话人确认方法在复杂的测试场景或语音质量退化较大时性能下降严重的问题，提出一种基于语音质量自适应和类三元组思想的说话人确认方法（QATM）。首先，利用说话人语音的特征范数来关联语音质量，通过判断语音质量的好坏，... 详细信息

针对目前的说话人确认方法在复杂的测试场景或语音质量退化较大时性能下降严重的问题，提出一种基于语音质量自适应和类三元组思想的说话人确认方法（QATM）。首先，利用说话人语音的特征范数来关联语音质量，通过判断语音质量的好坏，以选取不同的损失函数来调整不同质量语音样本的重要性，以关注语音质量高的难样本，忽略语音质量低的难样本；最后，利用类三元组的思想同时对AM-Softmax(Additive Margin Softmax)损失和AAM-Softmax(Additive Angular Margin Softmax)损失进行改进，旨在更多的关注困难的说话人样本，以应对语音质量过差的难样本对于模型的损害。实验结果表明，当训练集为VoxCeleb2开发集时，在Half-ResNet34、ResNet34和ECAPA-TDNN网络架构中，该方法与基于AAM-Softmax损失的方法相比在VoxCeleb1-O测试集上的等错误率（EER）分别降低了6.41%、3.89%和7.27%，当训练集为Cn-Celeb.Train时，在Half-ResNet34网络架构中，该方法与基于AAM-Softmax损失的方法相比在Cn-Celeb.Eval上的等错误率（EER）降低了5.25%。可见，所提方法在普通和复杂场景下的准确度均有所提高。

关键词：说话人确认难样本语音质量自适应三元组思想

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于深层信息散度最大化的说话人确认方法

通信学报 2021年第7期42卷 231-237页

作者：陈晨肜娅峰季超群陈德运何勇军哈尔滨理工大学计算机科学与技术学院黑龙江哈尔滨150080 哈尔滨理工大学计算机科学与技术博士后流动站黑龙江哈尔滨150080

针对说话人确认中无法准确捕获特征间非线性关系的问题,提出了一种基于深层信息散度最大化的目标函数表示方法。该方法能通过计算特征所在分布之间相似度,来对特征间的非线性关系进行隐性表示,并在最大化这种统计相关性的优化目标指导下... 详细信息

针对说话人确认中无法准确捕获特征间非线性关系的问题,提出了一种基于深层信息散度最大化的目标函数表示方法。该方法能通过计算特征所在分布之间相似度,来对特征间的非线性关系进行隐性表示,并在最大化这种统计相关性的优化目标指导下,使深度神经网络向着同类数据更紧凑、异类数据更分散的方向优化,最终达到提升深层特征空间区分性的目标。实验结果表明,相对于其他深度学习方法,所提方法的相对等错误率(EER)最多降低了15.80%,显著提升了系统性能。

关键词：说话人确认目标函数深层信息散度特征表示学习

基于不确定性学习的文本无关的说话人确认方法

在线全文

学校读者我要写书评

暂无评论

计算机应用 2023年第12期43卷 3727-3732页

作者：张玉莲姚姗姗王超畅江山西大学大数据科学与产业研究院太原030006

说话人确认任务旨在判断注册语音与测试语音是否属于同一说话人。针对说话人识别系统提取的声纹特征通常会受到与身份信息无关的因素干扰进而导致系统的准确性严重下降的问题,提出一种基于不确定性学习(UL)的文本无关的说话人确认(TISV... 详细信息

说话人确认任务旨在判断注册语音与测试语音是否属于同一说话人。针对说话人识别系统提取的声纹特征通常会受到与身份信息无关的因素干扰进而导致系统的准确性严重下降的问题,提出一种基于不确定性学习(UL)的文本无关的说话人确认(TISV)方法。首先,在说话人主干网络中引入不确定性同时学习声纹特征(均值)和话语数据的不确定性(方差),以建模语音数据集中的不确定性;其次,通过重采样技巧得到特征的分布表示;最后,在说话人分类损失中引入KL散度正则化约束噪声的分布,从而解决计算分类损失过程中的退化问题。实验结果表明,当训练集为VoxCeleb1和VoxCeleb2开发集时,与基于确定性方法的Thin ResNet34模型相比,所提方法的模型在VoxCeleb1-O测试集上的等错误率(EER)分别降低了9.9%和10.4%,最小检测代价函数(minDCF)分别降低了10.9%和4.5%。可见,所提方法在有噪声、无约束场景下的准确度有所提高。

关键词：说话人确认数据不确定性分布嵌入 AAM-softmax KL散度

在线全文

学校读者我要写书评

暂无评论

采用M-矢量和支持向量机的说话人确认系统

华中科技大学学报（自然科学版） 2014年第8期42卷 63-68页

作者：龙艳花戴礼荣上海师范大学电气信息系上海200234 中国科学技术大学电子工程与信息科学系安徽合肥230027

将UBM子空间中的说话人MLLR自适应得到的M-矢量应用于SVM中,提出了一种新的说话人确认系统.该系统有效地将扰动属性映射算法整合到SVM核函数中,实现在核空间中直接对M-矢量进行信道补偿,从而提高系统对信道干扰的鲁棒性能.实验结果表明... 详细信息

将UBM子空间中的说话人MLLR自适应得到的M-矢量应用于SVM中,提出了一种新的说话人确认系统.该系统有效地将扰动属性映射算法整合到SVM核函数中,实现在核空间中直接对M-矢量进行信道补偿,从而提高系统对信道干扰的鲁棒性能.实验结果表明:相比传统基于音素类的MLLR-SVM和基于I-矢量的I-vector-SVM基线系统,在不需要大量有文本内容标注的语音数据、复杂度和运算量都很高的自动语音识别系统、因子空间统计量的估计的情况下,本系统可获得与最好的基线系统几乎相当的性能,同时还表现出很强的互补特性.在NIST SRE2008说话人评测数据库上测试结果表明:提出系统的性能与基于I-矢量的说话人确认系统的性能接近,并表现出很强的互补性,融合后的等错误率相对下降了13.3%.

关键词：语音识别说话人确认最大似然线性回归扰动属性映射支持向量机 M-矢量

在线全文

学校读者我要写书评

暂无评论

说话人确认的特征域补偿方法研究

说话人确认的特征域补偿方法研究

作者：花城中国科学技术大学

学位级别：硕士

随着社会的进步和计算机技术的发展,说话人识别作为身份鉴别技术的一种,由于其独到的优势得到越来越广泛的使用。在说话人识别领域中,与文本无关的说话人确认技术是目前的研究热点与难点。特别是近年来,背景噪声、传输信道复杂化和话筒... 详细信息

随着社会的进步和计算机技术的发展,说话人识别作为身份鉴别技术的一种,由于其独到的优势得到越来越广泛的使用。在说话人识别领域中,与文本无关的说话人确认技术是目前的研究热点与难点。特别是近年来,背景噪声、传输信道复杂化和话筒等终端设备类型多样化导致了话者确认系统性能难以进一步提升。本论文围绕说话人确认的特征域补偿方法,从通道失配补偿、辅助特征参数补偿角度出发,提出了一些新的方法,并完成了相关实验。本论文主要研究内容有： 1.探讨了倒谱分析、短时声道参数MFCC的提取过程,深入了解了GMM的组成原理、初值计算方式、EM训练方法、背景噪声模型UBM和说话人模型的MAP自适应方法。构建了基于GMM-UBM架构的说话人确认系统,并在给定的数据库上测试系统性能,针对MAP自适应算法调整不同类型参数对系统性能的影响进行了实验研究。 2.深入研究了无监督特征映射通道失配补偿方法。利用主成分分析方法对男性和女性语音进行研究,研究发现异性语音在均值超矢量空间上距离较远,并由此提出了一种新的基于盲通道聚类的特征映射方法。该方法充分利用了异性语音在说话人空间上的差异性,解决了不充足语料情况下无监督特征映射问题。用此方法在均值超矢量空间对语音实现通道失配补偿,实验表明,该方法克服了语料不充足的劣势,相对主系统性能得到了提升。 3.研究了自相关基频特征参数的提取方法,用带通滤波法可以有效减少共振峰对基频提取效果的干扰。深入探讨了语音学软件Praat中的改进自相关方法。在传统线性评分融合的基础上,提出了一种利用阈值进行评分融合的新方法。对大量错误测试和正确测试评分进行统计分析,论证了该方法的可行性,并提出了阈值取值范围的估算方案。实验表明,这种新的系统融合方案保护了较好的评分分布,使得基频特征辅助系统能够更好地补偿主系统的性能。

关键词：说话人确认高斯混合模型特征映射基频阈值

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于PLAR的说话人确认系统的噪音鲁棒性

清华大学学报（自然科学版） 2013年第6期53卷 791-795页

作者：尹聪白静龚宬张陈昊郑方 Waleed H.Abdulla 太原理工大学信息工程学院清华大学计算机科学与技术系清华信息科学技术国家实验室技术创新和开发部语音和语言技术中心奥克兰大学

针对Mel频率倒谱系数(Mel frequency cepstralcoefficient,MFCC)特征的说话人确认系统在干净语音环境下具有很高识别率但在噪音环境下识别率急剧下降的缺点,构建了基于感知对数面积比系数(perceptual log area ratio,PLAR)特征的说话人... 详细信息

针对Mel频率倒谱系数(Mel frequency cepstralcoefficient,MFCC)特征的说话人确认系统在干净语音环境下具有很高识别率但在噪音环境下识别率急剧下降的缺点,构建了基于感知对数面积比系数(perceptual log area ratio,PLAR)特征的说话人确认系统,并对该系统的噪音鲁棒性进行研究。结果表明:PLAR特征具有较强的噪音鲁棒性。将PLAR与MFCC进行特征域和分数域的融合,利用两者之间存在着的互补性,可有效提高说话人确认系统的识别性能。

关键词：说话人确认感知对数面积比系数(PLAR) 鲁棒性融合

说话人确认中针对语音编码差异的似然比得分补偿方法

在线全文

学校读者我要写书评

暂无评论

西北工业大学学报 2005年第4期23卷 534-537页

作者：陈皓付中华赵荣椿西北工业大学计算机学院陕西西安710072

多编码环境下的说话人确认常常遇到训练和测试语音编码不匹配问题,导致性能显著下降。提出了一种针对语音编码差异的似然比得分补偿方法,不但可以消除编码差异,还便于设计与编码无关的单一阈值。该方法通过采用极大似然语音编码检测器,... 详细信息

多编码环境下的说话人确认常常遇到训练和测试语音编码不匹配问题,导致性能显著下降。提出了一种针对语音编码差异的似然比得分补偿方法,不但可以消除编码差异,还便于设计与编码无关的单一阈值。该方法通过采用极大似然语音编码检测器,对输入语音信号经历的编码算法进行标注,并估计相应编码造成的似然比得分分布的畸变,最后在说话人确认时校正这一差异。实验结果表明,这一方法能够显著提高训练和测试编码不匹配时的确认性能,使等错误率平均降低3.11%,逼近了匹配时的结果,从而提高了说话人确认系统的稳健性。

关键词：说话人确认语音编码得分补偿

联合因子分析和稀疏表示在稳健性说话人确认中的应用

在线全文

学校读者我要写书评

暂无评论

声学学报 2012年第5期37卷 548-552页

作者：杨海张翔梁春燕索宏彬颜永红中国科学院声学研究所中国科学院语言声学与内容理解重点实验室北京100190

在说话人确认的任务中,为了解决信道失配问题,提高系统性能,引入了联合因子分析和稀疏表示算法。首先利用联合因子分析算法去除信道干扰,得到与信道无关的说话人因子,然后在稀疏表示算法中利用说话人因子构建过完备字典,求解稀疏最优化... 详细信息

在说话人确认的任务中,为了解决信道失配问题,提高系统性能,引入了联合因子分析和稀疏表示算法。首先利用联合因子分析算法去除信道干扰,得到与信道无关的说话人因子,然后在稀疏表示算法中利用说话人因子构建过完备字典,求解稀疏最优化问题计算说话人得分。由于此方法有机结合了联合因子分析算法的信道鲁棒性和稀疏表示的鉴别性,使用此算法构建的系统在NIST SRE 2008电话训练、电话测试数据集上性能表现良好,相对于联合因子分析-支持向量机系统在性能上有竞争性,在原理上有互异性,系统融合更带来了最小检测代价指标上4.91%的性能提升。实验表明使用联合因子分析与稀疏表示进行说话人确认是可行的。

关键词：因子分析稀疏表示稳健性说话人确认信道干扰应用最优化问题支持向量机

基于SincNet与孪生LSTM网络的说话人确认方法研究

在线全文

学校读者我要写书评

暂无评论

基于SincNet与孪生LSTM网络的说话人确认方法研究

作者： Yihenew Alemu Haile 哈尔滨工业大学

学位级别：硕士

说话人确认技术能够通过语音来判断其所属说话人的身份。目前,基于深度神经网络（deep neural networks,DNN）的方法可以取得较为理想的性能,但仍然存在一些亟待解决问题。具体而言,目前的方法在前端特征提取时解释性不强;同时,在提取... 详细信息

说话人确认技术能够通过语音来判断其所属说话人的身份。目前,基于深度神经网络（deep neural networks,DNN）的方法可以取得较为理想的性能,但仍然存在一些亟待解决问题。具体而言,目前的方法在前端特征提取时解释性不强;同时,在提取后端嵌入（embedding）特征时,对时序信息的考虑也不够充分。此外,还需要考虑梯度消失的问题。针对以上问题,本文的主要研究内容与创新工作如下:（1）提出一种基于SincNet与长短时记忆（long short-term memory,LSTM）相结合的神经网络架构,其能够提取具有更多解释性与时序信息的embedding特征。其中,前端采用SincNet网络,通过利用sinc函数来模拟获得滤波器的相应特性。后端则采用具有softmax损失的LSTM来模拟说话人声道产生声音的过程。同时,LSTM也可以通过保留反向传播中的误差残留,来有效缓解梯度消失的问题。此外,所提出的方法也可以以端到端的形式学习原始波形映射到embedding特征的映射过程。实验结果表明,所提出方法的性能优于基线系统。（2）提出一种基于SincNet与孪生（Siamese）LSTM结合的神经网络改进框架。在此框架中,为了避免相同与不同说话人之间的混淆,采用具有共享参数的孪生网络。孪生网络的对比损失（contrastive loss）函数能够将相同说话人的距离拉近、不同说话人的距离拉远。同时,孪生网络的对比损失函数能够直接计算一对样本之间的距离并进行对比。实验结果表明,相比于上一个方法以及其他基线方法,所提出的改进框架能够获得更好的性能。

关键词：说话人确认深度神经网络 SincNet 长短期记忆网络孪生网络