基于帧级和段级稀疏表示的说话人识别研究

发布时间：2018-10-12 20:33

【摘要】：经过研究者的不懈努力,说话人识别的研究工作已经取得了重大进步,然而距离具体实用还有一定差距。不断提高说话人识别系统的性能是一个重要的研究课题。说话人识别对于人类听觉系统而言是一个非常简单的任务,但是对于计算机听觉系统而言,现有识别算法的性能还远没有达到人类听觉系统的水平。理解人耳的工作机理从而构建一套自动的识别系统来模拟人类的听觉能力,具有重要的意义。在信号处理领域,稀疏表示模拟了人耳的听觉特性,对噪声具有较好的鲁棒性。因此,本论文以在信号处理和神经科学领域受到广泛关注的稀疏表示模型为理论基础,从稀疏表示的字典构建入手,分别研究使用短时和长时信号特征来构建帧级和段级字典,并基于两类字典来进行说话人识别的方法。本文的主要研究工作如下:1、为反映听觉神经元对输入语音信号的响应,首先对基于帧级字典分解后的每帧稀疏表示系数向量进行量化处理,利用量化处理后与各稀疏表示系数相对应原子的激活情况来反映听觉神经元对输入的响应。接着,将随时间变化的多帧语音序列的原子激活情况作为原子的整体活跃度来代表说话人的整体信息。为了避免说话人数据量少时,使用高斯混合模型无法有效刻画说话人的原子活跃度的分布问题,通过使用kurtosis高阶统计量来计算原子活跃度的分布情况,并以此作为模型来进行说话人识别。2、为提取噪声环境下鲁棒的说话人特征,利用判别字典学习,将学习获得的帧级语音字典和帧级噪声字典合并构建成联合字典。对带噪语音的每帧特征在联合字典上进行稀疏分解后,忽略掉在噪声字典上分解后的系数,而只将在语音字典上分解后的稀疏表示系数向量作为该帧的特征。进一步地,对多帧语音序列的稀疏表示系数向量组进行最大值池化操作和平均值池化操作,从而获得说话人的全局特征表示,进而来进行说话人识别。3、为增加多类说话人识别中不同类别字典间的差异,以改进说话人识别性能,将判别学习准则引入到段级字典构建上。在字典学习时,一方面考虑每类字典的类别信息,以最小化同类字典表示训练样本时的重构误差,另一方面通过引入Fisher判别准则,能使稀疏表示系数的类内误差最小、类间误差最大。进而获得更具判别能力的段级字典。同时,也保留每类训练样本在其学得的段级字典上稀疏分解后的系数的均值作为一种先验信息,在进行识别时将这种信息与重构误差一起作为识别结果判定的依据。4、为充分利用多类说话人信息,由于语音在不同类别字典拼接所形成的字典上进行稀疏分解时,所获得的稀疏表示系数间具有连续分组的结构,且同组内稀疏表示系数间具有相关性,我们通过使用块稀疏贝叶斯分解算法来对语音信号进行稀疏分解,从而能有效利用上述稀疏表示系数之间的先验信息,进而提高说话人识别的性能。
[Abstract]:......
【学位授予单位】：哈尔滨工业大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TN912.3

【相似文献】

相关期刊论文 前10条

1 张新鹏;王朔中;;基于稀疏表示的密写编码[J];电子学报;2007年10期

2 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期

3 赵瑞珍;王飞;罗阿理;张彦霞;;基于稀疏表示的谱线自动提取方法[J];光谱学与光谱分析;2009年07期

4 杨蜀秦;宁纪锋;何东健;;基于稀疏表示的大米品种识别[J];农业工程学报;2011年03期

5 史加荣;杨威;魏宗田;;基于非负稀疏表示的人脸识别[J];计算机工程与设计;2012年05期

6 高志荣;熊承义;笪邦友;;改进的基于残差加权的稀疏表示人脸识别[J];中南民族大学学报(自然科学版);2012年03期

7 朱杰;杨万扣;唐振民;;基于字典学习的核稀疏表示人脸识别方法[J];模式识别与人工智能;2012年05期

8 耿耀君;张军英;袁细国;;一种基于稀疏表示系数的特征相关性测度[J];模式识别与人工智能;2013年01期

9 张疆勤;廖海斌;李原;;基于因子分析与稀疏表示的多姿态人脸识别[J];计算机工程与应用;2013年05期

10 李正周;王会改;刘梅;丁浩;金钢;;基于形态成分稀疏表示的红外小弱目标检测[J];弹箭与制导学报;2013年04期

相关会议论文 前3条

1 何爱香;刘玉春;魏广芬;;基于稀疏表示的煤矸界面识别研究[A];虚拟运营与云计算——第十八届全国青年通信学术年会论文集（上册）[C];2013年

2 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

3 葛凤翔;任岁玲;郭鑫;郭良浩;孙波;;微弱信号处理及其研究进展[A];中国声学学会水声学分会2013年全国水声学学术会议论文集[C];2013年

相关博士学位论文 前10条

1 王伟;基于帧级和段级稀疏表示的说话人识别研究[D];哈尔滨工业大学;2016年

2 李进明;基于稀疏表示的图像超分辨率重建方法研究[D];重庆大学;2015年

3 王亚宁;基于信号稀疏表示的电机故障诊断研究[D];河北工业大学;2014年

4 姚明海;视频异常事件检测与认证方法研究[D];东北师范大学;2015年

5 黄国华;蛋白质翻译后修饰位点与药物适应症预测方法研究[D];上海大学;2015年

6 王瑾;基于稀疏表示的数据收集、复原与压缩研究[D];北京工业大学;2015年

7 王文卿;基于融合框架与稀疏表示的遥感影像锐化[D];西安电子科技大学;2015年

8 解虎;高维小样本阵列自适应信号处理方法研究[D];西安电子科技大学;2015年

9 秦振涛;基于稀疏表示及字典学习遥感图像处理关键技术研究[D];成都理工大学;2015年

10 薛明;基于稀疏表示的在线目标跟踪研究[D];上海交通大学;2014年

相关硕士学位论文 前10条

1 王道文;基于稀疏表示的目标跟踪算法研究[D];华南理工大学;2015年

2 李哲;基于稀疏表示和LS-SVM的心电信号分类[D];河北大学;2015年

3 孙雪青;Shearlet变换和稀疏表示相结合的甲状腺结节图像融合[D];河北大学;2015年

4 吴丽璇;基于稀疏表示的微聚焦X射线图像去噪方法[D];华南理工大学;2015年

5 赵孝磊;基于图像分块稀疏表示的人脸识别算法研究[D];南京信息工程大学;2015年

6 黄志明;基于辨别式稀疏字典学习的视觉追踪算法研究[D];华南理工大学;2015年

7 张铃华;非约束环境下的稀疏表示人脸识别算法研究[D];南京信息工程大学;2015年

8 贺妍斐;基于稀疏表示与自适应倒易晶胞的遥感图像复原方法研究[D];南京信息工程大学;2015年

9 杨烁;电能质量扰动信号的稀疏表示/压缩采样研究[D];西南交通大学;2015年

10 应艳丽;基于低秩稀疏表示的目标跟踪算法研究[D];西南交通大学;2015年

，

本文编号：2267508