检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于贝叶斯通用背景模型的图像标注

自动化学报 2013年第10期39卷 1674-1680页

作者：杨栋周秀玲郭平北京师范大学图形图像与模式识别实验室北京100875

在高斯图特征提取过程中,通用背景模型(Universal background model,UBM)方法常用于根据总体分布估计每一幅图像中特征点分布的高斯混合模型(Gaussian mixture model,GMM)参数.然而UBM估计的GMM权重参数中有很多接近零的数值,它们所对... 详细信息

在高斯图特征提取过程中,通用背景模型(Universal background model,UBM)方法常用于根据总体分布估计每一幅图像中特征点分布的高斯混合模型(Gaussian mixture model,GMM)参数.然而UBM估计的GMM权重参数中有很多接近零的数值,它们所对应的高斯分量对分布估计贡献小却又都参与了计算,因此UBM的时间复杂度较高.为解决这个问题,本文提出Bayes UBM方法.通过引入受限的对称Dirichlet分布来描述GMM权重参数的先验分布,利用Bayes最大后验概率对GMM参数集进行估计.实验表明Bayes UBM方法不仅有效地降低了时间复杂度,而且提高了Corel数据集上的图像标注精度.

关键词：图像标注通用背景模型高斯混合模型贝叶斯估计

在线全文

学校读者我要写书评

暂无评论

录音设备的建模和识别算法

信号处理 2013年第4期29卷 419-428页

作者：王志锋贺前华李艳雄华南理工大学电子与信息学院广州510640

本文提出了一种录音设备的建模和识别算法。在特征选择方面,考虑到音频段中的静音包含了与正常语音一样的设备信息,并且不受说话人、文本、情感等因素的影响,因此从静音段中提取出表征录音设备"机器指纹"的特征,并用谱减法去除其中的背... 详细信息

本文提出了一种录音设备的建模和识别算法。在特征选择方面,考虑到音频段中的静音包含了与正常语音一样的设备信息,并且不受说话人、文本、情感等因素的影响,因此从静音段中提取出表征录音设备"机器指纹"的特征,并用谱减法去除其中的背景噪声。在识别模型方面,利用设备通用背景模型构建反对设备模型;在设备通用背景模型的基础上,利用少量的特定设备数据,通过MAP自适应算法获得相应录音设备的模型。最后通过归一化似然度得分对输入的特定录音设备的语音样本进行分类判决。实验结果表明,对于9种不同录音设备的平均正确识别率为87.42%,并考察了不同因素对本文算法的影响,验证了本文算法的有效性和可靠性。

关键词：多媒体取证技术数字音频取证录音设备来源识别通用背景模型

在线全文

学校读者我要写书评

暂无评论

一种概率序列核在说话人识别中的应用

计算机工程与应用 2011年第6期47卷 151-155页

作者：雷震春江西师范大学计算机学院南昌330022

以说话人识别中的背景模型为基础,根据模型中的各个高斯分量,构造出说话人特征空间,将长度不一样的语句映射成为空间中大小相同的向量,且经过相关矩阵进行规整后,采用线性支持向量机进行说话人识别。借鉴几种常见的特征规整方式,结合语... 详细信息

以说话人识别中的背景模型为基础,根据模型中的各个高斯分量,构造出说话人特征空间,将长度不一样的语句映射成为空间中大小相同的向量,且经过相关矩阵进行规整后,采用线性支持向量机进行说话人识别。借鉴几种常见的特征规整方式,结合语句映射后的向量,提出四种不同的规整方法:均值/方差规整、权重规整、WLOG规整和球形规整,并与概率序列核进行比较研究。根据语音特征向量序列中相邻的特征向量的前后转移关系,结合提出的概率序列核,构造出转移概率序列核。实验在NIST2001库上进行,结果表明概率序列核模型识别性能接近经典的UBM-MAP模型,将这两类模型得分进行融合,可非常明显地提高识别性能,进一步融合转移概率序列核后,性能还可提高19.1%。

关键词：说话人识别概率序列核通用背景模型支持向量机

在线全文

学校读者我要写书评

暂无评论

基于聚类和排序高斯混合模型的说话人确认

计算机工程 2011年第23期37卷 162-164页

作者：余巍李辉中国科学技术大学电子科学与技术系合肥230027

基于高斯混合模型(GMM)-通用背景模型(UBM)结构的说话人确认系统不能完全表现说话人的个性特征信息。为此,将聚类方法和排序高斯混合模型相结合,对每个高斯分量按照对应排序值顺序排列,并对UBM进行训练。基于NIST 06 8side-1side数据库... 详细信息

基于高斯混合模型(GMM)-通用背景模型(UBM)结构的说话人确认系统不能完全表现说话人的个性特征信息。为此,将聚类方法和排序高斯混合模型相结合,对每个高斯分量按照对应排序值顺序排列,并对UBM进行训练。基于NIST 06 8side-1side数据库的实验结果表明,该方法能在基本保持系统识别性能的前提下,降低UBM的训练运算量。

关键词：说话人确认高斯混合模型通用背景模型聚类排序高斯混合模型

联合HMM-UBM与RVM的声纹密码识别算法

在线全文

学校读者我要写书评

暂无评论

计算机工程 2018年第11期44卷 129-134页

作者：胡志隆文畅谢凯贺建飚长江大学电子信息学院湖北荆州434023 长江大学计算机科学学院湖北荆州434023 中南大学信息科学与工程学院长沙410083

针对声纹密码识别中声纹文本信息利用率低和噪音干扰的问题,提出隐马尔科夫模型-通用背景模型(HMM-UBM)融合相关向量机(RVM)的声纹识别算法。利用HMM-UBM对语音信号进行时序建模,使用RVM学习得到每位注册话者语音的分类信息。通过对待... 详细信息

针对声纹密码识别中声纹文本信息利用率低和噪音干扰的问题,提出隐马尔科夫模型-通用背景模型(HMM-UBM)融合相关向量机(RVM)的声纹识别算法。利用HMM-UBM对语音信号进行时序建模,使用RVM学习得到每位注册话者语音的分类信息。通过对待识别话者建立HM M模型,并将RVM作为分类器进行判决决策得到分类结果。实验结果表明,与GMM-UBM算法和GMM-SVM算法相比,在无噪声环境下,该算法错误接收概率降低7%～9%,识别正确率提高4%～5%,在低信噪比环境下,其识别正确率提高5%～12%。

关键词：声纹识别隐马尔科夫模型通用背景模型相关向量机语音信号

在线全文

学校读者我要写书评

暂无评论

基于卷积神经网络的说话人识别算法

计算机应用 2016年第A1期36卷 79-81,200页

作者：胡青刘本永贵州大学大数据与信息工程学院贵阳550025 贵州大学智能信息处理研究所贵阳550025

语音信号是一个时变信号,受个体、环境等影响较大。为提高说话人识别率,对原始语音信号进行一定预处理是必要的,提出一种利用卷积神经网络的说话人识别算法。该算法利用卷积神经网络的卷积和降采样两种操作对说话人识别中的语音信号进... 详细信息

语音信号是一个时变信号,受个体、环境等影响较大。为提高说话人识别率,对原始语音信号进行一定预处理是必要的,提出一种利用卷积神经网络的说话人识别算法。该算法利用卷积神经网络的卷积和降采样两种操作对说话人识别中的语音信号进行预处理,通过构建一维和二维卷积操作,对预处理后的信号提取梅尔频率倒谱系数特征参数,并采用经典的通用背景模型对说话人进行识别模型建模。通过自建库和TIMIT标准库测试表明,该算法与经典的直接基于梅尔频率倒谱系数特征和通用背景模型的方法相比,识别率提升了8%～15%,并且有效地降低了算法的时间复杂度和空间复杂度。

关键词：卷积神经网络说话人识别通用背景模型梅尔频率倒谱系数预处理

在线全文

学校读者我要写书评

暂无评论

自动语种识别系统设计与实现

自动语种识别系统设计与实现

作者：刘杰哈尔滨工业大学

学位级别：硕士

语种识别也叫语言辨识,其目的是使计算机具有根据一段输入语音来自动识别其所属语言种类的能力。语种识别在网络安全、身份验证、多语种信息服务等领域有着广泛的应用。如今,日益开放的国际环境和互联网的飞速发展为语种识别带来了新的... 详细信息

语种识别也叫语言辨识,其目的是使计算机具有根据一段输入语音来自动识别其所属语言种类的能力。语种识别在网络安全、身份验证、多语种信息服务等领域有着广泛的应用。如今,日益开放的国际环境和互联网的飞速发展为语种识别带来了新的挑战。本文在前人研究成果的基础上,从实际出发,设计和实现基于高斯混合模型-通用背景模型（Gaussian Mixture Model-Uniform Background Model, GMM-UBM）的语种识别系统,分别在美国国家标准技术研究院（National Institute of Standards and Technology,NIST）语料库和网络环境下测试其性能。并且从系统的性能入手,在GMM-UBM模型的基础上引入支持向量机（ Support Vector Machine, SVM） ,建立GMM/SVM的语种识别系统。本文的主要工作如下: ⑴开发基于GMM-UBM的语种识别系统并完成相关实验,实验分析了模型参数的不同及测试语音时长对系统性能的影响。并给出了网络环境下的在线测试结果。 ⑵为了提高系统的整体性能,在GMM-UBM模型基础上引入SVM,构建基于GMM/SVM的语种识别系统,并和GMM-UBM系统做了相关对比实验。最后给出两种系统的融合方案。 ⑶本文在设计和实现语种识别系统时,始终从语种模型的运算量、存储量、和识别率等方面综合平衡。在特征提取时引入计算预处理、快速计算等,在GMM模型训练和测试阶段采用Top N快速算法。这些提高运算速度的方法在一定程度上保证了系统的实时性要求。

关键词：语种识别高斯混合模型通用背景模型支持向量机

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

声纹密码识别的关键问题研究

声纹密码识别的关键问题研究

作者：章钊中国科学技术大学

学位级别：硕士

声纹密码识别是文本相关的话者识别技术在日常生活中的一个具体应用。同时关注人的个性声音特征和语音内容信息的双重特点使得声纹密码识别成为有效的个人身份认证方式。然而在实际应用中,传统的声纹密码识别技术仍然受到了来自环境干... 详细信息

声纹密码识别是文本相关的话者识别技术在日常生活中的一个具体应用。同时关注人的个性声音特征和语音内容信息的双重特点使得声纹密码识别成为有效的个人身份认证方式。然而在实际应用中,传统的声纹密码识别技术仍然受到了来自环境干扰、密码泄露、数据不足等多方面问题的挑战。如何能够化解这些问题的影响、提升声纹密码识别的性能,是本文重点关注的方面。传统的识别技术能够很好的辨识不同内容的语句,因此本文的声纹密码识别任务着重于研究极端的密码泄露问题(冒认和注册使用同样的语音内容)。针对以上在实际应用中将会面临到的种种困难,本文从多个方面展开研究,以提升声纹密码识别的可靠性。鲁棒性的活动语音检测以及特征参数提取,是声纹密码甚至是整个语音识别中的关键问题之一。本文在活动语音检测算法中提出了能量与模型参数相结合的端点检测算法,通过准确判定人声语音片段端点,得到更加有效的人声特征参数,相比基线系统,等错误率可以降低4.4%;另一方面提出基于声学特征的频率选择方法,降低了同样语音文本内容带来的不同的人声音区分度不高的影响,相对于基线系统,等错误率可以降低27.9%。这些新方法的提出较好的提升了前端特征的鲁棒性。针对声纹密码中文本内容的时序特性,本文引入帧间相关性概念,进一步提出N-gram的最近邻方法,很好地提升了系统识别率,等错误率相对于未采用N-gram方法的基线系统可以降低7.7%。本实验也从另一个角度验证了音素在声纹密码识别中的重要性。针对声纹密码的训练和测试语音数据长度很短的问题,本文提出了隐马尔科夫-通用背景模型算法。算法使用大量其他人数据先建立话者无关的声韵母HMMs作为通用背景模型,再根据最大后验概率准则,以通用背景模型为基础使用训练语音自适应获得话者模型。该算法一定程度上解决了训练数据不足的问题,等错误率为6.57%,表现出了较好的性能。进一步结合第三章提出的特征频率选择方法,等错误率还可以降低31.3%。

关键词：声纹密码端点检测频率选择帧间相关性隐马尔科夫模型通用背景模型

面向语料采集系统的非并发说话人分离技术研究

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

面向语料采集系统的非并发说话人分离技术研究

作者：何云亚南京理工大学

学位级别：硕士

人工智能技术发展到今天,数据资源成为了各大研究机构在人工智能领域能否取得领先地位的关键。研究如何从互联网上海量数据资源中获取感兴趣的音频数据,己成为很多大学和研究机构的研究热点之一。现有的一些开源语料采集系统大多基于分... 详细信息

人工智能技术发展到今天,数据资源成为了各大研究机构在人工智能领域能否取得领先地位的关键。研究如何从互联网上海量数据资源中获取感兴趣的音频数据,己成为很多大学和研究机构的研究热点之一。现有的一些开源语料采集系统大多基于分布式爬虫结构,在爬取网页中非并发的说话人音频资源时,缺乏一个有效的按性别区分的说话人分离方案,而不经分离处理的语料资源实际应用价值损失很大。针对上述问题,本学位论文依托实习单位“语音叫车”项目,利用互联网中非并发的说话人音频资源,研究了一种基于性别的说话人分离方法。在基于Hadoop的语料采集系统中,上述方法是说话人分离子系统的核心。采集系统中由爬虫网络爬取的非并发说话人音频数据,经过说话人分离子系统处理,输出两类带性别标记的语料。本文所研说话人分离方法包含了两个关键步骤:基于贝叶斯信息准则与通用背景模型(BIC-UBM)混合方法的说话人分割以及基于深度神经网络(DNN)的说话人性别识别。基于BIC-UBM的说话人分割以找出音频中说话人性别发生转换的位置为目的,并按照这种说话人转折点对音频进行分割,是一种先进行说话人转折点检测再进行转折点真伪鉴别的二步判决方法;基于DNN的性别识别网络对分割得到的语音片段进行性别识别,根据识别结果输出两类语音信号。本文以实习单位提供的客服通话语音作为实验语料库,实验结果表明,本文所研说话人分割方法对包含多个说话人转折点的语音分割准确度达到了 94.2%,转折点检测的漏警率为5.8%、虚警率为15.5%。基于DNN的说话人性别识别方法对语音片段的性别识别准确度最高可达96%,其中男性样本识别查全率为94%,女性样本识别查全率为98%。本文所研基于性别的说话人分离方法满足了相关语料采集系统的要求,为“语音叫车”项目后续的模型训练工作提供了良好的语料基础。

关键词：说话人分离爬虫网络贝叶斯信息准则通用背景模型深度神经网络