检索结果-维普期刊中文期刊服务平台

基于MFCC和加权矢量量化的说话人识别系统被引量：34: 1; 作者邵央刘丙哲李宗葛《计算机工程与应用》 CSCD 北大核心 2002年第5期127-128,共2页; 文章介绍的说话人识别系统,采用能够反映人对语音的感知特性的Mel频率倒谱系数(Mel-FrequencyCeptralCoefficients,MFCC)作为特征参数,同时考虑到特征参数各维分量对于不同说话人的区分程度,采用加权的办法进行矢量量化。取得了很好的结... 展开更多; 关键词倒谱系数说话人识别系统加权矢量量化 MFCC 语音识别 INTERNET; 在线阅读下载PDF 职称材料

基于支撑向量机的文本无关的说话人识别系统被引量：8: 2; 作者何昕刘重庆李介谷《计算机工程》 EI CAS CSCD 北大核心 2000年第6期61-63,共3页; 支撑向量机（SVM）是一种新的统计学习方法。提出一种基于支撑向量机的文本无关的说话人辨认系统，在作者的实验中得到了98％的平均识别率，同时实验表明同基于向量量化（VQ）和高斯混合模型（GMM）的经典方法相比，基于SVM的方法具有... 展开更多; 关键词支撑向量机说话人识别系统语音识别模式识别; 在线阅读下载PDF 职称材料

基于高斯混合模型的说话人识别系统实验设计被引量：2: 3; 作者芮贤义陈小平俞一彪《实验技术与管理》 CAS 北大核心 2022年第2期166-170,共5页; 该文设计了基于高斯混合模型的说话人识别系统实验,通过录制小型语音库、提取表征说话人个性的特征参数、训练说话人模型和似然度判决,实现文本无关的说话人识别。实验以小组形式协作完成,并鼓励学生展开进阶研究,帮助学生提升团队协作... 展开更多; 关键词实验设计说话人识别系统实验考核; 在线阅读下载PDF 职称材料

基于段级特征主成分分析的说话人识别算法被引量：4: 4; 作者储雯李银国 +1 位作者徐洋孟祥涛《计算机应用》 CSCD 北大核心 2013年第7期1935-1937,1968,共4页; 为了提高说话人识别(SR)系统的运算速度,增强其鲁棒性,以现有的帧级语音特征为基础,提出了一种基于段级特征主成分分析的说话人识别算法。该算法在训练和识别阶段以段级特征代替帧级特征,然后用主成分分析方法对段级特征进行降维、去相... 展开更多; 关键词说话人识别非线性分段主成分分析说话人识别系统; 在线阅读下载PDF 职称材料

题名基于MFCC和加权矢量量化的说话人识别系统被引量：34: 1; 作者邵央刘丙哲李宗葛; 机构复旦大学计算机科学系; 出处《计算机工程与应用》 CSCD 北大核心 2002年第5期127-128,共2页; 文摘文章介绍的说话人识别系统,采用能够反映人对语音的感知特性的Mel频率倒谱系数(Mel-FrequencyCeptralCoefficients,MFCC)作为特征参数,同时考虑到特征参数各维分量对于不同说话人的区分程度,采用加权的办法进行矢量量化。取得了很好的结果,系统训练和识别计算量和存储量都比较低。; 关键词倒谱系数说话人识别系统加权矢量量化 MFCC 语音识别 INTERNET; Keywords speaker recognition,vector quantizition,mel-frequency ceptral coefficients; 分类号 TN912.34 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于支撑向量机的文本无关的说话人识别系统被引量：8: 2; 作者何昕刘重庆李介谷; 机构上海交通大学图象处理与模式识别研究所; 出处《计算机工程》 EI CAS CSCD 北大核心 2000年第6期61-63,共3页; 文摘支撑向量机（SVM）是一种新的统计学习方法。提出一种基于支撑向量机的文本无关的说话人辨认系统，在作者的实验中得到了98％的平均识别率，同时实验表明同基于向量量化（VQ）和高斯混合模型（GMM）的经典方法相比，基于SVM的方法具有更好的性能。; 关键词支撑向量机说话人识别系统语音识别模式识别; Keywords Support vector machines Vector quantization Gaussian mixturc model Speaker identification Speaker recognition; 分类号 TN912.34 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于高斯混合模型的说话人识别系统实验设计被引量：2: 3; 作者芮贤义陈小平俞一彪; 机构苏州大学电子信息学院; 出处《实验技术与管理》 CAS 北大核心 2022年第2期166-170,共5页; 基金国家级一流本科专业建设点(教高厅函[2021]7号) 苏州大学一流本科教学团队建设项目(SDJ201911210) 苏州大学高等教育教改研究课题(苏大教[2021]108号)。; 文摘该文设计了基于高斯混合模型的说话人识别系统实验,通过录制小型语音库、提取表征说话人个性的特征参数、训练说话人模型和似然度判决,实现文本无关的说话人识别。实验以小组形式协作完成,并鼓励学生展开进阶研究,帮助学生提升团队协作精神和创新精神,以及解决复杂工程问题的能力。所建立的全过程多维度立体化的实验考核体系,着眼于对学生的方案设计、实验操作、报告撰写、演示答辩等全过程评价,有助于激发学生的创造力和学习热情。; 关键词实验设计说话人识别系统实验考核; Keywords experimental design speaker recognition system experimental assessment; 分类号 TN912.3 [电子电信—通信与信息系统] G642.423 [文化科学—高等教育学]; 在线阅读下载PDF 职称材料

题名基于段级特征主成分分析的说话人识别算法被引量：4: 4; 作者储雯李银国徐洋孟祥涛; 机构重庆邮电大学计算机科学与技术学院重庆邮电大学汽车电子与嵌入式系统工程研究中心; 出处《计算机应用》 CSCD 北大核心 2013年第7期1935-1937,1968,共4页; 基金重庆市科委自然科学基金资助项目(cstc2012jjA60002); 文摘为了提高说话人识别(SR)系统的运算速度,增强其鲁棒性,以现有的帧级语音特征为基础,提出了一种基于段级特征主成分分析的说话人识别算法。该算法在训练和识别阶段以段级特征代替帧级特征,然后用主成分分析方法对段级特征进行降维、去相关。实验结果表明,该算法的系统训练时间、测试时间分别为基线系统的47.8%、40.0%,同时识别率略有提高,抑制了噪声对说话人识别系统的影响。该结果验证了基于段级特征主成分分析的说话人识别算法在识别率有所提高的情况下取得了较快的识别速度,同时在不同噪声环境下的不同信噪比情况下均可以提高系统识别率。; 关键词说话人识别非线性分段主成分分析说话人识别系统; Keywords Speaker Recognition （SR） non-linear partition Principal Component Analysis （PCA） speaker recognition system; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料