【摘 要】
：
说话人确认技术能够通过语音来判断其所属说话人的身份。目前,基于深度神经网络(deep neural networks,DNN)的方法可以取得较为理想的性能,但仍然存在一些亟待解决问题。具体
论文部分内容阅读
说话人确认技术能够通过语音来判断其所属说话人的身份。目前,基于深度神经网络(deep neural networks,DNN)的方法可以取得较为理想的性能,但仍然存在一些亟待解决问题。具体而言,目前的方法在前端特征提取时解释性不强;同时,在提取后端嵌入(embedding)特征时,对时序信息的考虑也不够充分。此外,还需要考虑梯度消失的问题。针对以上问题,本文的主要研究内容与创新工作如下:(1)提出一种基于SincNet与长短时记忆(long short-term memory,LSTM)相结合的神经网络架构,其能够提取具有更多解释性与时序信息的embedding特征。其中,前端采用SincNet网络,通过利用sinc函数来模拟获得滤波器的相应特性。后端则采用具有softmax损失的LSTM来模拟说话人声道产生声音的过程。同时,LSTM也可以通过保留反向传播中的误差残留,来有效缓解梯度消失的问题。此外,所提出的方法也可以以端到端的形式学习原始波形映射到embedding特征的映射过程。实验结果表明,所提出方法的性能优于基线系统。(2)提出一种基于SincNet与孪生(Siamese)LSTM结合的神经网络改进框架。在此框架中,为了避免相同与不同说话人之间的混淆,采用具有共享参数的孪生网络。孪生网络的对比损失(contrastive loss)函数能够将相同说话人的距离拉近、不同说话人的距离拉远。同时,孪生网络的对比损失函数能够直接计算一对样本之间的距离并进行对比。实验结果表明,相比于上一个方法以及其他基线方法,所提出的改进框架能够获得更好的性能。
其他文献
前列腺癌是毁灭性的恶性肿瘤,早期很难识别。诊断的“金标准”是MRI和MRI扫描的进一步研究。人工神经网络具有巨大的图像识别任务潜力,可用于自动诊断系统,对医疗人员有很大
国有企业是我国创新驱动战略实施的主力军,协同创新是创新驱动战略实施的重要途径。在开放式创新概念兴起与网络经济发展的背景下,企业创新环境面临着高度不确定性和复杂性,
南宋后期所经历的军政变局非常剧烈,宋人在面对挣扎反扑的晚金和骎骎南进的蒙古所作出的各项应对举措都有值得研究探讨的价值。本研究着手进行的出发点正在于此。本论文将研
鉴于现代计算机技术的飞速发展,越来越多的自然场景图片被收集并分析,用于军事领域,科学研究以及与目标检测相关的计算机视觉领域。但是,这些收集到的图片清晰度会受到雨雾天
在通信对抗装备研制、训练过程中,要对语音通信进行干扰效果评估。由于主观评估费时费力,本文针对语音质量客观评估进行研究,主要工作和创新点如下:(1)构建语音库构建原始语
无论从历时、空间的维度来观照,齐鲁经学在汉代经学中都具有举足轻重的地位与作用,可谓汉代经学的起源、开端与总汇。一方面,齐鲁经学源于齐鲁文化,两种不同的学术风格,与齐
杏北油田长期注水以及聚驱开发,各个储层含水率差异较大,即便是高含水井也存在相当规模的含水较低且有一定储量潜力的油层,尤其是由于油层污染而低效的油井存在较为丰富的剩
量子计算是基于量子力学特性,也就是利用了量子态的叠加和纠缠性质的一种新型计算手段,其能调控量子信息单元进行计算,是当前世界科技前沿的研究热点之一。量子计算的优越性
大规模MIMO系统是当前5G研究的重点内容之一。目前关于大规模MIMO系统能效优化问题的研究大多是基于全精度ADC量化展开的,但是随着无线通信中业务量的剧增,使用全精度ADC量化
随着现代科学技术的发展,现实场景对于通信系统提出了更高的技术要求,但受限于有限的频谱资源,现代通信系统只能通过努力提升滤波器的性能来达到更高的频谱利用率,从而满足复