基于文本无关的说话人识别

Viterbi decoding for speech recognition, speaker recognition

随着时间的变化,人的声音也会发生变化。这对说话人的识别带来了一定的影响。通过研究发现,说话人识别的性能与时间有着线性变化的规律。传统的说话人识别系统使用GMMUBM模型并不能很好地学习出线性变化规律

传统的最小二乘支持向量机(LS-SVM)使用特征向量作为训练样本,在说话人识别系统中应用时区分性不够明显。对此,提出VQ-MAP与LS-SVM融合的方法,使用通用背景模型(UBM)经过VQ-MAP过程

基于UBM-MAP的说话人识别系统研究，闵葆贻，贺光辉，语音信号是用于个人身份辨识和确试的一种有效的生物特征，说话人识别的研究也是语音信号处理的一个重要的研究方向，其研究具有重

说话人识别可以被看作语音识别的一种，是当前的研究热点之一。说话人识别是根据包含在语音中的同说话人有关的信息来自动识别说话人，它可分为说话人辨认和说话人确认。本文在这方面主要做了以下工作：(1)文章实现

针对LPCC只反应语音静态特征且不能突出其低频局部特征问题，提出一种以HHT倒谱系数为特征的说话人识别算法，HHT的经验模态分解使语音的低频局部特征得到更好的描述，Hilbert变换能够刻画语音动态特

基于独立分量分析的说话人识别技术,邱作春,曾庆宁,独立分量分析方法是一种将线性混合信号进行分离,得到统计独立的源信号的技术,能用于提取组合语音的特征基函数。倒谱矢量符合ICA

说话人识别研究综述，王书诏，邱天爽，说话人识别是语音信号处理中的重要组成部分，是当前的研究热点之一。本文详细介绍了说话人识别的基本原理，从特征提取、模型训练

国内各期刊对说话识别算法的研究论文,具有较高借鉴意义.

运用mfcc特征参数的vq说话人识别系统。