基于相关向量机的说话人判别研究

论文摘要

说话人判别是人工智能领域中的重要应用分支之一，因其便捷性、非接触性和经济性而广受追捧，已经广泛应用于司法判定、网银服务、安防监测以及游戏娱乐等场合。当前，说话人判别技术已从实验室环境逐步走向实践应用阶段；评价说话人判别系统的标准不再是单纯的识别率，而是要求模型构建效率、系统运行速度、算法扩展能力以及识别率全面提升。本文的主要工作是针对样本量有限的输入语音，采用效果较好的核函数分类工具，进行说话人鉴别系统的设计与实现。通过采用添加的训练算法样本，实现了模型的快速构建，大型矩阵的逆操作规避了，简化训练过程的计算量。使得基于帧的说话人鉴别任务得以实现，且其算法运行效率也得到了大幅度的提升。根据实际生物识别技术的应用需求，将相关向量机以及多元扩展模型应用于实际声纹锁中，设计并实现出具有更高识别率以及更高实时性的识别锁。本论文将多元RVM应用于声纹锁中，并用程序进行了系统的开发，应用系统主要模块包括：语音输入模块、语音信号预处理模块、语音特征提取模块、说话人识别模块、说话人判决模块、数据库管理与接口模块等。使用该算法可以在一定程度上提升系统的准确率和实时性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.3 全文内容和组织结构
• 1.3.1 论文主要内容
• 1.3.2 全文结构
• 第二章 支持向量机理论
• 2.1 支持向量机
• 2.1.1 SVM概述
• 2.1.2 核技巧
• 2.2 SVM说话人识别
• 2.2.1 话者确认任务
• 2.2.2 话者辨认任务
• 2.3 本章小结
• 第三章 基于保局核的相关向量机及RVM分析
• 3.1 局部特性保持的RVM说话人鉴别模型
• 3.1.1 核函数原理
• 3.1.2 亲和度因子
• 3.2 RVM实验与分析
• 3.2.1 UCI公共数据实验
• 3.2.2 说话人识别实验
• 3.3 本章小结
• 第四章 多元相关向量机说话人判别模型分析
• 4.1 多分类RVM
• 4.2 RVM模型参数训练
• 4.3 实验与分析
• 4.3.1 UCI公共数据集分类
• 4.3.2 说话人鉴别分析
• 4.4 本章小结
• 第五章 说话人识别在声纹锁中的应用系统设计
• 5.1 概述
• 5.2 声纹锁
• 5.2.1 语音识别的基本原理分析
• 5.2.2 声纹锁系统工作原理分析
• 5.3 硬件设计
• 5.4 软件模块设计
• 5.5 本章小结
• 第六章 说话人识别在声纹锁中的应用系统实现
• 6.1 系统开发环境
• 6.2 说话人识别系统实现过程
• 6.2.1 语音信号预处理
• 6.2.2 提取语音参数
• 6.2.3 识别模型
• 6.2.4 说话人判决
• 6.3 应用系统实现
• 6.4 系统测试及相关结果
• 6.4.1 测试环境
• 6.4.2 软件测试方法
• 6.4.3 测试内容及结果
• 6.5 本章小结
• 第七章 结论与展望
• 7.1 结论
• 7.2 展望
• 致谢
• 参考文献
• 附录