隨著信息化時(shí)代的不斷推進(jìn),人們對(duì)系統(tǒng)身份認(rèn)證可靠性和服務(wù)提供個(gè)性化的需求不斷提升,基于用戶(hù)語(yǔ)音的說(shuō)話(huà)人識(shí)別和說(shuō)話(huà)人屬性分類(lèi)技術(shù)迅速成為信號(hào)處理領(lǐng)域的研究熱點(diǎn)�，F(xiàn)有的基于深度學(xué)習(xí)方法的說(shuō)話(huà)人識(shí)別及說(shuō)話(huà)人屬性分類(lèi)任務(wù)仍然受限于環(huán)境噪聲及信道失配問(wèn)題,本論文旨在基于深度學(xué)習(xí)研究具有較高魯棒性的說(shuō)話(huà)人識(shí)別和說(shuō)話(huà)人屬性分類(lèi)系統(tǒng),提升復(fù)雜場(chǎng)景下的識(shí)別和分類(lèi)準(zhǔn)確率。為了實(shí)現(xiàn)上述研究目標(biāo),本文對(duì)話(huà)人識(shí)別及說(shuō)話(huà)人屬性分類(lèi)展開(kāi)以下研究:針對(duì)說(shuō)話(huà)人識(shí)別,本論文提出基于殘差網(wǎng)絡(luò)及雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)的ResNet-BLSTM網(wǎng)絡(luò)結(jié)構(gòu),使用語(yǔ)譜圖作為網(wǎng)絡(luò)輸入,提取出了對(duì)于語(yǔ)速魯棒且表征信息更豐富的深度特征。在訓(xùn)練階段提出了基于改進(jìn)三元組損失的T-Triplet Loss,嚴(yán)格控制特征向量的類(lèi)內(nèi)聚集及類(lèi)間分離,使模型在噪聲語(yǔ)料集下也能準(zhǔn)確地聚類(lèi)同說(shuō)話(huà)人語(yǔ)音。最后分別在Voxceleb、LibriSpeech和AISHELL-1三個(gè)語(yǔ)料集上開(kāi)展實(shí)驗(yàn),并在三個(gè)數(shù)據(jù)集上都取得了較為接近的識(shí)別等錯(cuò)誤率,驗(yàn)證了系統(tǒng)在多種語(yǔ)音環(huán)境下的魯棒性,且更是在噪聲數(shù)據(jù)集Voxceleb上相較于基線(xiàn)系統(tǒng)i-vector/PLDA取得了 6...

【文章頁(yè)數(shù)】：94 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１?ＭＦＣＣ提取及轉(zhuǎn)置流程圖??１．．?dāng)?shù)模轉(zhuǎn)換（Ａ／Ｄ?ｃｏｎｖｅｒｓｉｏｎ）??

?電子科技大學(xué)碩士學(xué)位論文???第二章背景知識(shí)與相關(guān)理論??２．１語(yǔ)音信號(hào)的特征提取??２．１．１梅爾倒頻系數(shù)??ＭＦＣＣ至今仍是最優(yōu)秀的語(yǔ)音特征集之一，其主要優(yōu)點(diǎn)是能夠在短時(shí)功率譜??中對(duì)聲道進(jìn)行建模。３９維的ＭＦＣＣ特征是現(xiàn)有語(yǔ)音研究中的常用特征，此維數(shù)小??到足夠?qū)W習(xí)到音頻....

圖２－２實(shí)際頻率與梅爾頻率的映射關(guān)系圖??

隨窗：函數(shù)的選擇變化，Ｈａｍｍｉｎｇ窗’??取值為０．４６１６４，Ｈａｎｎｉｎｇ窗取值為０．５。??４．離散傅里葉變換??采用ＤＦＴ提取頻域中的信息，由公式（２－４）完成時(shí)域信號(hào)到頻域信號(hào)的轉(zhuǎn)換。??耶］＝２〇ｎ］ｅ＿／２７ｒｆｃ／Ｗ?（２－４）??５．梅爾濾波器組??設(shè)備的測(cè)量....

圖２－３三角濾波器工作原理示意圖??

?電子科技大莩碩土學(xué)位論文???接下來(lái)使用三角帶通濾波器將頻率信息轉(zhuǎn)換成為人耳接收的模擬債息》首先??對(duì)ＤＦＴ轉(zhuǎn)換的輸出求乎方，這反應(yīng)了每個(gè)頻率的語(yǔ)音功率，稱(chēng)之為ＤＦＴ功率譜。??之后使用Ｈ角梅爾濾波器組將該能量鐠轉(zhuǎn)換為梅爾功率譜，每個(gè)梅爾能養(yǎng)譜槽的??輸出代表其覆蓋的多個(gè)頻帶的....

圖２－４?ＧＭＭ－ＵＢＭ模型訓(xùn)練－識(shí)別流程圖??

ＵｎｉｖｅｒｓａｌＢａｃｋｇｒｏｕｎｄＭｏｄｅｌ，ＵＢＭ）．?［３６，３７］。ＵＢＭ?代表了除了?目標(biāo)說(shuō)??話(huà)人之外的每個(gè)人，從本質(zhì)上來(lái)說(shuō)是一個(gè)大型的ＧＭＭ。ＵＢＭ是通過(guò)ＥＭ算法對(duì)??大量說(shuō)話(huà)人語(yǔ)音訓(xùn)練出來(lái)的獨(dú)立于說(shuō)話(huà)人的背景模型，該模型表示了特征向量與??說(shuō)話(huà)人無(wú)關(guān)的分布ｇ當(dāng)新....

本文編號(hào)：3967790