相关向量机及在说话人识别应用中的研究

杨成福; 章毅

doi:10.3969/j.issn.1001-0548.2010.02.034

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

相关向量机及在说话人识别应用中的研究

杨成福, 章毅

文章导航 > 电子科技大学学报 > 2010 > 39(2): 311-315,301

杨成福, 章毅. 相关向量机及在说话人识别应用中的研究[J]. 电子科技大学学报, 2010, 39(2): 311-315,301. doi: 10.3969/j.issn.1001-0548.2010.02.034

引用本文:

杨成福, 章毅. 相关向量机及在说话人识别应用中的研究[J]. 电子科技大学学报, 2010, 39(2): 311-315,301. doi: 10.3969/j.issn.1001-0548.2010.02.034

YANG Cheng-fu, ZHANG Yi. Study to Speaker Recognition Using RVM[J]. Journal of University of Electronic Science and Technology of China, 2010, 39(2): 311-315,301. doi: 10.3969/j.issn.1001-0548.2010.02.034

Citation:

YANG Cheng-fu, ZHANG Yi. Study to Speaker Recognition Using RVM[J]. Journal of University of Electronic Science and Technology of China, 2010, 39(2): 311-315,301. doi: 10.3969/j.issn.1001-0548.2010.02.034

Study to Speaker Recognition Using RVM

YANG Cheng-fu^1,2,
ZHANG Yi¹

1.
Computational Intelligence Laboratory,University of Electronic Science and Technology of China Chengdu 610054;
2.
Officer of Education Administrator,Sichuan University of Arts and Science Dazhou Sichuan 635000

摘要: 对基于相关向量机和高斯混合模型的说话人识别算法的模型和特征空间进行了一系列的研究。与一些基于语音帧的说话人识别算法相比，该算法将GMM算法作为底层的语音特征提取，从而实现对语音整体上的处理，对常用的两种语音特征美尔频率倒频系数和瞬时频率的表现进行了对比研究；同时，该算法充分利用了相关向量机的所提供的高泛化性、核函数功能和结果的高稀疏性。基于Chains和AHUMADA两个专门用于说话人识别的语音库的仿真表明，该算法在减少相对误差和减少计算量方面有较大的优势。
- 高斯分布 /
- GMM超向量核 /
- 瞬时频率 /
- 相关向量机 /
- 语音分析
Abstract: A series of studies on speaker recognition algorithm based on relevance vector machine (RVM) and gaussian mixture model (GMM) was proposed in this paper. The sparseness and probability prediction of RVM make the algorithm suitable for speaker recognition in applications. The robust speech features based on GMM are investigated. In contrast to the most current systems based on frame-level discrimination, the approach has two outstanding merits. The first is the system provides direct discrimination between whole sequences by combining GMM as underlying generative models in feature-space. The paper focused on two main feature space: mel-frequency cepstrum coefficient (MFCC) and instantaneous frequencies (IF). The second combines the high generalization, kernel tricks, and sparser performance of RVM to generate more robust classification results and to reduce the computational complexity. The simulations using the Chains database and the AHUMADA database show that the proposed algorithm outperforms the other systems on reducing the relative error rates and reducing the computational complexity in high dimensionality space and big scale data.
- gaussian distribution /
- GMM super-vector kernel /
- instantaneous frequencies /
- relevance vector machine /
- speech analysis

[1]	唐海, 徐志垚, 刘颜回, 王育强. 阵列天线实现误差对功率方向图扰动的影响分析 . 电子科技大学学报, 2018, 47(5): 692-697. doi: 10.3969/j.issn.1001-0548.2018.05.009
[2]	何海江. 截断误差的光滑型支持向量顺序回归 . 电子科技大学学报, 2014, 43(1): 131-136. doi: 10.3969/j.issn.1001-0548.2014.01.022
[3]	刘忠宝. 新型支持向量机在风速预测模型中的应用研究 . 电子科技大学学报, 2014, 43(5): 754-757. doi: 10.3969/j.issn.1001-0548.2014.05.021
[4]	李琳, 伍少梅, 唐宁九. 基于中心加权的局部核向量机算法 . 电子科技大学学报, 2014, 43(4): 612-617. doi: 10.3969/j.issn.1001-0548.2014.04.025
[5]	柏骏, 夏靖波, 鹿传国, 李明辉, 任高明. 基于RVM的网络流量分类研究 . 电子科技大学学报, 2014, 43(2): 241-246. doi: 10.3969/j.issn.1001-0548.2014.02.016
[6]	丁世飞, 齐丙娟, 谭红艳. 支持向量机理论与算法研究综述 . 电子科技大学学报, 2011, 40(1): 2-10. doi: 10.3969/j.issn.1001-0548.2011.01.001
[7]	张雪芹, 顾春华, 吴吉义. 异常检测中支持向量机最优模型选择方法 . 电子科技大学学报, 2011, 40(4): 559-563. doi: 10.3969/j.issn.1001-0548.2011.04.017
[8]	何海江, 陈姝. 由排序支持向量机抽取博客文章的摘要 . 电子科技大学学报, 2010, 39(4): 593-597. doi: 10.3969/j.issn.1001-0548.2010.04.026
[9]	甄雁翔, 苏放, 寇明延, 徐惠民. 异构网络中丢包隶属度函数的构建方法 . 电子科技大学学报, 2010, 39(6): 845-849. doi: 10.3969/j.issn.1001-0548.2010.06.009
[10]	向国齐, 严志坚, 黄大贵. 支持向量机替代模型的遗传优化设计 . 电子科技大学学报, 2009, 38(3): 459-462. doi: 10.3969/j.issn.1001-0548.2009.03.034
[11]	王博, 张建奇. 红外运动弱小目标的动态规划检测 . 电子科技大学学报, 2009, 38(4): 613-616. doi: 10.3969/j.issn.1001-0548.2009.04.032
[12]	洪英, 韩周安. 偏亚高斯语音信号有效分离ICA方法研究 . 电子科技大学学报, 2008, 37(5): 693-697.
[13]	徐图, 罗瑜, 何大可. 多类支持向量机的DDoS攻击检测的方法 . 电子科技大学学报, 2008, 37(2): 274-277.
[14]	万群, 王伟, 黄际彦, 宋玉梅. 模糊支持向量机的非直达波抑制算法 . 电子科技大学学报, 2008, 37(6): 803-806.
[15]	胡丹, 肖建, 车畅. 再生核支持向量机在非线性系统中的应用 . 电子科技大学学报, 2008, 37(1): 124-127.
[16]	刘皓, 周楠清. 采用K-L正交分解降低Chirp信号噪声的方法 . 电子科技大学学报, 2008, 37(4): 493-496.
[17]	仇傲, 周山宏, 刘春梅. 数字化B超中的频率补偿滤波 . 电子科技大学学报, 2007, 36(4): 798-800.
[18]	杨亚涛, 王曼珠, 张喆民. 超混沌序列的数字语音扩频调制研究 . 电子科技大学学报, 2007, 36(4): 699-702.
[19]	王勇, 许录平. 独立成分分析和支持向量机的虹膜识别方法 . 电子科技大学学报, 2007, 36(3): 583-586.
[20]	周鸣争, 汪军. 基于支持向量机的传感器非线性误差校正 . 电子科技大学学报, 2006, 35(2): 242-245.

点击查看大图

计量

文章访问数: 3335
HTML全文浏览量: 128
PDF下载量: 46
被引次数: 0