基于改进微结构特征的笔迹鉴别

该文作者已提出的基于网格微结构特征的笔迹鉴别方法,是一种能适用于多文种笔迹的文本无关方法。为了对笔画轨迹进行更加细致的描述,该文对微结构特征提取方法予以改进,修改了局部微结构的生成条件,并引入了加权Manhattan距离的相似度度量方法。改进方法在中文笔迹库上有效提高了鉴别正确率。在包含240人的HIT-MW笔迹库上,首选鉴别正确率为95.4%,前20选正确率达到100%。通过实验,进一步研究了实际应用中笔迹样本的文本内容相关度对鉴别性能的影响程度。     

基于超音段韵律特征和GMM-UBM的文本无关的说话人识别

提出一种采用超音段韵律特征和GMM-UBM模型结构的文本无关的说话人识别方法,用多尺度小波分析方法从短时倒谱参数MFCC和基频F0随时间变化的韵律中分别提取可用于文本无关说话人识别的超音段韵律特征参数PMFCC和PF0,并组成联合参数PMFCCF0.在NIST068side-1side复杂背景电话手机语音数据库上的说话人确认实验则表明,采用一阶小波分析方法提取的超音段韵律参数PMFCC的识别性能与短时MFCC相当,采用超音段韵律特征PMFCCF0的系统确认性能比采用短时MFCC系统有较大的提高.在微软数据库进行不同信噪比测试语音的说话人辨认实验表明,PMFCCF0有比短时MFCC更好的噪声鲁棒性.     

自动讲话人辨认

针对非限定文本的自动讲话人辨认问题,对提取有效的识别特征进行了理论和实验分析,使用语音信号ＬＰＣ倒谱的瞬时谱和过渡谱的特征参量作为识别特征,运用矢量量化技术,设计并建立了１９人组成的ＡＳＩ系统,为每人分别建立了“动态”和“静态”倒谱系数的两种码本,在连续语音完全不限文本的情况下进行系统的识别实验,得到了较理想的结果。实验表明,上述两种特征矢量均为非常有效的识别特征且可互补结合运用于识别,使性能进一步提高。本文同时还对简单信道变化情况予以初步考察,得到一些有意义的结果。     

模糊相关性文本无关矢量量化说话人辨认研究

文本无关说话人识别的一个关键问题是寻求一种有效的说话人个性特征量.利用模糊向量内积理论,提出了一种新的物理量:连续特征矢量模糊相关度(CFVFC),以反映相邻特征矢量问的相关性,进而突出说话人的个性特征,并在此基础上研究了新的矢量量化(VQ)说话人识别方法.实验表明CFVFC是一种有效的识别信息,对于干净语音的说话人辨认,可以提高识别系统的识别率;在加噪声情况下,能增强识别系统的鲁棒性.     

超音段信息对文本无关话者识别的影响

超音段信息主要由声调、语调和轻重缓急等信息组成,反映到特征参数就是基频及其时序信息、能量时序信息和音节长度等,这些信息是话者识别系统中的重要特征参数.在分析已有的提取这些特征参数的方法的基础上,提出了先进行语音切分,再提取声调、能量和音节长度等特征,并生成基于Bigram模型的超音段信息参数模型的方法.将此特征参数形成的模型作为使用MFCC为参数的话者识别主系统的辅助决策模型,实验结果表明：融合超音段信息模型的文本无关话者识别系统的EER相对下降10.5%.