基于深度置信网络的说话人识别研究与实现.pdf

基于深度置信网络的说话人识别研究与实现.pdf

ID:50147595

大小:4.97 MB

页数:98页

时间:2020-03-06

基于深度置信网络的说话人识别研究与实现.pdf_第1页
基于深度置信网络的说话人识别研究与实现.pdf_第2页
基于深度置信网络的说话人识别研究与实现.pdf_第3页
基于深度置信网络的说话人识别研究与实现.pdf_第4页
基于深度置信网络的说话人识别研究与实现.pdf_第5页
资源描述:

《基于深度置信网络的说话人识别研究与实现.pdf》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、单位代码;10293密级:公开考皮《化硕女恰為^W论文题目:基于深度晉信网络的说话人识别研究与实现学号1212042912..■姓名王家良^导师程春玲专业学位类别工程硕±、类型全日制专业(领域)计算机技术论文提交日期一二零五年四月南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加标注和致谢的地方外,论文中不包

2、含其他人已经发表或撰写过的研究成果,也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意。本人学位论文及涉及相关资料若有不实一,愿意承担切相关的法律责任。研究生签名:l日/.K期:勺?化w(南京邮电大学学位论文使用授权声明本人授权南京邮电大学可保留并向国家有关部口或机构送交论文的复印件和电子文档;允许论文被查阅和借阅;可1^将学位论文的全部或部分内容编入有关数据库进行检索;可^

3、^采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质论文的内容相一致。论文的公布(包括刊登)授权南京邮电大学研巧生院办理。涉密学位论文在解密后适用本授权书。研巧生签名:^导师签名:带备A/日期:谨驻个‘5ResearchandImplementationofDeepBeliefNetworksBasedSpeakerRecognitionThesisSubmittedtoNanjingUniversityofPostsandTelecommunicati

4、onsfortheDegreeofMasterofMasterofEngineeringByWangJialiangSupervisor:Prof.ChengChunlingApril2015摘要随着互联网技术的快速发展,在越来越多的领域内都应用了语音信号处理技术,其中一个重要分支为说话人识别技术,它是目前语音信号处理技术领域中的一个研究热点。说话人识别是对说话人身份进行认证的一种技术,包括语音录入、预处理、特征提取、模型训练以及模式匹配,它是通过从经过预处理后的语音中获取语音特征进行模型训练与模式

5、匹配从而确定说话人身份。从该过程可知特征提取是其他步骤的基础,它是说话人识别中最重要的一个环节,因此本文分析了特征提取方法的优缺点并提出了一种基于改进参数设置的深度置信网络的特征提取算法。影响特征提取的因素有很多,其中噪声是最为直接的因素,从而必须在特征提取前对语音进行滤波操作,因此本文也分析语音滤波方法的优缺点并提出一种多层自适应形态滤波算法,并且以此为基础设计实现一个说话人识别的原型系统。本文的主要工作为:(1)归纳了语音滤波算法和特征提取算法的特点和难点,对比分析了目前常用的语音滤波算法和特征

6、提取算法的优缺点。(2)现有的大多滤波算法在进行语音滤波时损失了较多的纯净语音信号从而使得语音质量下降,利用形态滤波算法进行滤波时既可以很好的滤除语音中的噪音同时也可以减少纯净语音信号的损失,然而现有形态滤波算法还存在结构固定、预设结构元素和偏倚校正系数等问题,针对该问题,提出一种多层自适应形态滤波算法。该算法面对复杂变化的噪声时,可以灵活选择不同的结构元素、优化设置偏倚校正系数向量来减弱形态开运算和形态闭运算所带来的偏倚现象。仿真结果表明该算法改善了形态滤波的性能,具有设计简单、实用性强的特点。(

7、3)现有的特征提取方法中对初始特征的处理大多是进行简单的组合、微分、筛选或加权等,所提取特征表征能力较弱,用其进行说话人识别时正确率较低。针对此问题,将深度置信网络用于特征提取并对其参数的设置进行改进使得所提取特征具有更强表征能力。仿真结果表明该算法所提取的特征能有效的降低说话人识别的误识率。(4)对说话人识别原型系统的需求进行了分析,根据说话人识别的处理流程进行了功能划分,并给出了说话人识别的系统结构,对其中的核心模块进行了详细设计并予以实现,最后对系统的功能和性能进行了测试并对测试结果进行了相应

8、的分析。关键词:深度学习,说话人识别,语音滤波,深度置信网络,特征提取,梅尔倒谱系数IAbstractWiththerapiddevelopmentofInternetTechnology,speechsignalprocessingtechnologyhasbeenappliedinmorefields.Speakerrecognitiontechnologyisoneoftheimportantbranchesandthehotspotinthefieldofcu

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。