导读:本文包含了说话人识别论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:说话,邻域,擦音,法庭,卷积,语音,特征。
说话人识别论文文献综述
茅正冲,王俊俊,黄舒伟[1]（2019）在《基于PLDA信道补偿的说话人识别算法》一文中研究指出近年来,针对说话人识别算法普遍受到信道因素的干扰问题,研究者提出使用总变化因子分析的识别方法对语音信道进行补偿得到了很不错的效果,其中概率线性判别分析(Probabilistic Linear Discriminant Analysis,PLDA)因其表现优异而受到学者们的关注。然而,高斯PLDA模型中I-Vector并非符合标准正态分布。因此论文在特征域利用特征弯折算法对梅尔倒谱系数(MFCC)进行处理,以消除背景噪声以及线性信道的影响。然后在模型域对I-Vector进行非线性转换使其分布更适合用PLDA模型区分说话人,以提高说话人识别系统的识别率。实验结果表明,使用传统GMM/UBM的系统,在NIST SRE-2010评估数据集上使用所提议的技术获得了很好的效果。(本文来源于《计算机与数字工程》期刊2019年11期）
谭萍,邢玉娟[2]（2019）在《面向说话人识别的甘肃临夏少数民族方言语音库的建设》一文中研究指出面向方言的说话人识别研究刚刚起步,因此建设一个用于说话人识别的、符合地域特色的方言语音库迫在眉睫.本文结合甘肃临夏回族自治州方言的特点,构建一个面向说话人识别的方言语音库.语音库包含普通话和方言音频资料,使用电脑和手机两种方式采集,所有语料内容涉及文化、教育、生活、情感、历史、新闻、评论等,录音者由来自临夏回族自治州的100人组成,共产生了语音语料2 400条,为基于甘肃少数民族方言的说话人识别研究奠定了基础.(本文来源于《兰州文理学院学报(自然科学版)》期刊2019年06期）
张翠玲,丁盼[3]（2019）在《擦音LPC倒谱特征在法庭说话人识别中的应用》一文中研究指出为了探究擦音在法庭说话人识别中的应用价值,以汉语普通话擦音/s/为代表,对其LPC倒谱特征的说话人识别性能进行了分析测试。基于90位成年男性的两次非同时语音样本数据库,采用似然比框架的法庭证据强度评估方法,对/s/的LPC倒谱特征在不同语音信号频率范围和不同数据库规模条件下进行了说话人识别性能的测试评价。研究结果表明,擦音的LPC倒谱特征具有一定的话者区分价值,但是作为单一识别参数使用价值有限,应该与其他参数特征结合使用,以提高法庭说话人识别的准确性和可靠性。(本文来源于《中国刑警学院学报》期刊2019年05期）
黄猛,唐琳,王雅芬[4]（2019）在《说话人识别技术综述》一文中研究指出当前说话人识别技术得到了长足的发展和广泛应用,在分析说话人识别基本原理的基础上,对说话人识别技术研究现状进行了总结,重点分析了当前主流的语音预处理、特征参数提取以及识别模型等方法,并对今后说话人识别技术的研究方向进行了展望。(本文来源于《第十叁届全国信号和智能信息处理与应用学术会议论文集》期刊2019-10-25）
卜禹,陆璐璐[5]（2019）在《基于深度学习及核典型相关分析的多特征融合说话人识别》一文中研究指出论文提出一种基于深度学习以及核典型相关分析(kernel canonical correlation analysis,CCA)的多特征融合说话人识别方法。针对说话人的音频和视频信息,利用深度信念网络和卷积神经网络这两种不同深度的神经网络对音频信息和视频信息分别并行处理,得到两种不同模态的生物特征向量。采用核典型相关分析方法对这两种非线性相关的特征向量进行特征级融合,使用它们的相关性判别函数抽取多个相关性顺次下降但又互不相关的典型变量对按照给定的特征级融合策略构成最后的判别特征,同时去除了冗余信息。最后生成的基于核典型关联分析的融合特征输入最近邻分类器,输出说话人识别结果。使用BANCA数据库对该方法进行实验,结果表明:该方法能显着提高说话人识别的准确率。(本文来源于《计算机与数字工程》期刊2019年09期）
张翠玲[6]（2019）在《基于案件现实条件的法庭说话人识别系统验证》一文中研究指出对法庭分析系统进行验证测试是保证其司法应用的前提和基础。国际上,不同法庭科学实验室在法庭说话人识别实践中采用的方法、系统和评价体系并不一致。然而,无论采用何种方法或系统,都应该基于被检案件的实际条件进行测试、验证和评价。首先,从国际上对于科学证据的要求出发,阐明进行法庭说话人识别系统验证的重要性和必要性;其次,介绍验证的基本原则和程序方法;最后,通过一项多系统验证评价的范例,表明司法实践中如何进行法庭说话人识别系统的验证评测,并对其中的重要问题加以总结说明。(本文来源于《中国人民公安大学学报(自然科学版)》期刊2019年03期）
苗凤娟,孙同日,陶佰睿,李敬有,张光妲[7]（2019）在《PSO与PCA融合优化核极限学习机说话人识别算法仿真》一文中研究指出基于机器学习理论开展说话人识别的研究取得了很大进展,在基于核极限学习机(kernel extreme learning machine,KELM)和梅尔倒谱系数(mel-frequency cepstral coefficients,MFCC)说话人识别研究基础上,通过主成分分析算法(principal component analysis,PCA)对MFCC进行降维优化、粒子群优化算法(particle swarm optimization,PSO)对KELM初始输入参数进行优化开展基于PSO和PCA融合优化KELM说话人识别算法研究。改进后的算法在MATLAB平台上仿真通过,并与MATLAB语音工具箱提供的神经网络和支持向量机说话人识别算法做了性能对比分析。仿真研究结果表明:通过PSO和PCA融合优化改进的KELM,初始输入参数可以任意确定并且不需要迭代更新,并能有效克服因初始权重随机确定导致的性能不稳定,进一步提高分类匹配和运算速度,具有很好的推广应用价值。(本文来源于《科学技术与工程》期刊2019年21期）
张竞丹,韩俊刚[8]（2019）在《Android平台下OpenCL加速的说话人识别系统》一文中研究指出如今,人工智能正在图像、自然语言处理等诸多领域迅速发展,同时随着移动设备的广泛使用,人们的生活习惯正在逐步的改变。所以,将人工智能技术运用到移动互联网中已经成为必然趋势。但由于移动设备因密集的计算带来的功耗提升和存储带宽的增加,使得在移动设备中实现神经网络算法面临着巨大的挑战。说话人识别技术作为一种安全可靠的生物认证技术,将其运用到移动设备平台中有着其他生物认证技术没有的便捷性和安全性,同时为了提高效率,论文提出在Android平台下,通过提取说话人的梅尔倒谱特征(MFCC),使用OpenCL对基于BP神经网络的说话人识别系统进行加速,通过实验对比加速前后的运行效率,可以发现在Android平台下使用OpenCL加速,可以提升计算速度。(本文来源于《计算机与数字工程》期刊2019年07期）
覃晓逸,蔡丹蔚,胡伟湘,苗磊,李明[9]（2019）在《基于语音增强的远场说话人识别技术》一文中研究指出随着声纹技术的发展并逐渐应用于智能家居领域,尤其是智能音箱已经开始影响着人们的生活,远场环境下的说话人识别技术提升迫在眉睫。本文针对说话人识别技术的发展现状以及远场环境下语音信号的处理,包括麦克风阵列技术的应用,抗噪、抗混响技术的发展与应用等两个主要方面进行阐述。(本文来源于《网络新媒体技术》期刊2019年04期）
梁春燕,袁文浩,李艳玲,夏斌,孙文珠[10]（2019）在《基于判别邻域嵌入算法的说话人识别》一文中研究指出该文提出一种基于判别邻域嵌入(DNE)算法的说话人识别。判别邻域嵌入算法作为流形学习方法的一种,可以通过构建邻接图获取数据的局部邻域结构信息;同时该算法可以充分利用类间判别信息,具有更强的判别能力。在美国国家标准技术研究院2010年说话人识别评测(NIST SRE 2010)电话-电话核心测试集上的实验结果表明了该算法的有效性。(本文来源于《电子与信息学报》期刊2019年07期）
说话人识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
面向方言的说话人识别研究刚刚起步,因此建设一个用于说话人识别的、符合地域特色的方言语音库迫在眉睫.本文结合甘肃临夏回族自治州方言的特点,构建一个面向说话人识别的方言语音库.语音库包含普通话和方言音频资料,使用电脑和手机两种方式采集,所有语料内容涉及文化、教育、生活、情感、历史、新闻、评论等,录音者由来自临夏回族自治州的100人组成,共产生了语音语料2 400条,为基于甘肃少数民族方言的说话人识别研究奠定了基础.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
说话人识别论文参考文献
[1].茅正冲,王俊俊,黄舒伟.基于PLDA信道补偿的说话人识别算法[J].计算机与数字工程.2019
[2].谭萍,邢玉娟.面向说话人识别的甘肃临夏少数民族方言语音库的建设[J].兰州文理学院学报(自然科学版).2019
[3].张翠玲,丁盼.擦音LPC倒谱特征在法庭说话人识别中的应用[J].中国刑警学院学报.2019
[4].黄猛,唐琳,王雅芬.说话人识别技术综述[C].第十叁届全国信号和智能信息处理与应用学术会议论文集.2019
[5].卜禹,陆璐璐.基于深度学习及核典型相关分析的多特征融合说话人识别[J].计算机与数字工程.2019
[6].张翠玲.基于案件现实条件的法庭说话人识别系统验证[J].中国人民公安大学学报(自然科学版).2019
[7].苗凤娟,孙同日,陶佰睿,李敬有,张光妲.PSO与PCA融合优化核极限学习机说话人识别算法仿真[J].科学技术与工程.2019
[8].张竞丹,韩俊刚.Android平台下OpenCL加速的说话人识别系统[J].计算机与数字工程.2019
[9].覃晓逸,蔡丹蔚,胡伟湘,苗磊,李明.基于语音增强的远场说话人识别技术[J].网络新媒体技术.2019
[10].梁春燕,袁文浩,李艳玲,夏斌,孙文珠.基于判别邻域嵌入算法的说话人识别[J].电子与信息学报.2019
论文知识图
