基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了提高说话人识别系统的性能,在研究基础上提出了一种将深度神经网络(Deep Neural Nerwork,DNN)模型成果与i-vector模型相结合的新方案.该方案通过有效的神经网络构建,准确地提取了说话人语音里的隐藏信息.尽管DNN模型可以帮助挖掘很多信息,但是i-vector特征并没有完全覆盖住声纹特征的所有维度.为此,在i-vector特征的基础上继续提取维数更高的i-supervector特征,有效地避免了信息的不必要损失.为证明提出方案的可行性,采用对TIMIT等语音数据库630个说话人的语音进行了训练、验证和测试.验证实验结果表明,在提取i-vector特征的基础上提取i-supervector特征的说话人识别同等错误率有30%的降低,是一种有效的识别方法.
推荐文章
基于i-vector说话人识别算法中训练时长研究
说话人识别
i-vector
Kaldi
训练时长
低资源条件下基于i-vector特征的LSTM递归神经网络语音识别系统
语音识别
长短时记忆神经网络
身份认证矢量
基于改进i-vector的说话人感知训练方法研究
说话人感知训练
辨识向量
深度神经网络
奇异值矩阵分解
瓶颈特征
基于DNN处理的鲁棒性I-Vector说话人识别算法
说话人识别
深度神经网络
i-vector
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于i-vector和深度学习的说话人识别
来源期刊 计算机技术与发展 学科 工学
关键词 说话人识别 深度神经网络 i-vector 声纹特征
年,卷(期) 2017,(6) 所属期刊栏目 智能、算法、系统工程
研究方向 页码范围 66-71
页数 6页 分类号 TP301
字数 6107字 语种 中文
DOI 10.3969/j.issn.1673-629X.2017.06.014
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 邵曦 南京邮电大学通信与信息工程学院 27 90 6.0 8.0
2 林舒都 南京邮电大学通信与信息工程学院 1 12 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (28)
共引文献  (58)
参考文献  (16)
节点文献
引证文献  (12)
同被引文献  (24)
二级引证文献  (5)
1962(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(5)
  • 参考文献(1)
  • 二级参考文献(4)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(3)
  • 参考文献(2)
  • 二级参考文献(1)
2011(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(9)
  • 参考文献(4)
  • 二级参考文献(5)
2013(6)
  • 参考文献(0)
  • 二级参考文献(6)
2014(3)
  • 参考文献(2)
  • 二级参考文献(1)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(4)
  • 引证文献(4)
  • 二级引证文献(0)
2019(7)
  • 引证文献(6)
  • 二级引证文献(1)
2020(6)
  • 引证文献(2)
  • 二级引证文献(4)
研究主题发展历程
节点文献
说话人识别
深度神经网络
i-vector
声纹特征
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
总被引数(次)
111596
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导