计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2000年
3期
15-17
,共3页
方绍武%戴蓓倩%徐文盛%李辉
方紹武%戴蓓倩%徐文盛%李輝
방소무%대배천%서문성%리휘
鲁棒性%子带矢量量化%人工神经网络%话者模型
魯棒性%子帶矢量量化%人工神經網絡%話者模型
로봉성%자대시량양화%인공신경망락%화자모형
话者识别系统的时间鲁棒性是影响话者识别系统实用化的关键问题之一.为了提高系统的时间鲁棒性,文章提出了基于子带矢量量化(SBVQ)的话者模型.该话者模型由对应语音文本不同频段的各个子带上的矢量量化码本(SBVQ码本)构成. SBVQ话者模型反映了不同频段对话者识别系统性能的不同影响,并可将时间间隔等因素对系统性能的影响局限在某个子带内从而提高模型的时间鲁棒性.识别时,利用BP型人工神经网络(BPNN)对训练数据在各个子带上的量化误差进行拟合可进一步提升系统的性能.实验表明,文章提出的SBVQ话者模型具有较好的时间鲁棒性.
話者識彆繫統的時間魯棒性是影響話者識彆繫統實用化的關鍵問題之一.為瞭提高繫統的時間魯棒性,文章提齣瞭基于子帶矢量量化(SBVQ)的話者模型.該話者模型由對應語音文本不同頻段的各箇子帶上的矢量量化碼本(SBVQ碼本)構成. SBVQ話者模型反映瞭不同頻段對話者識彆繫統性能的不同影響,併可將時間間隔等因素對繫統性能的影響跼限在某箇子帶內從而提高模型的時間魯棒性.識彆時,利用BP型人工神經網絡(BPNN)對訓練數據在各箇子帶上的量化誤差進行擬閤可進一步提升繫統的性能.實驗錶明,文章提齣的SBVQ話者模型具有較好的時間魯棒性.
화자식별계통적시간로봉성시영향화자식별계통실용화적관건문제지일.위료제고계통적시간로봉성,문장제출료기우자대시량양화(SBVQ)적화자모형.해화자모형유대응어음문본불동빈단적각개자대상적시량양화마본(SBVQ마본)구성. SBVQ화자모형반영료불동빈단대화자식별계통성능적불동영향,병가장시간간격등인소대계통성능적영향국한재모개자대내종이제고모형적시간로봉성.식별시,이용BP형인공신경망락(BPNN)대훈련수거재각개자대상적양화오차진행의합가진일보제승계통적성능.실험표명,문장제출적SBVQ화자모형구유교호적시간로봉성.
