搜索结果

说话人识别是语音识别的一种特殊方式，其目的不是识别语音内容，而是识别说话人是谁，即从语音信号中提取个人特征。采用矢量量化（VQ）可避免困难的语音分段问题和时间归整问题，且作为一种数据压缩手段可大大减少系统所需的数据存储量。本文提出了识别特征选取采用复倒谱特征参数和对应用VQ的说话人识别系统改进的一种方法 ...

语音识别中的模型和算法：动态时间归正技术（DTW），隐马尔可夫模型（HMM），高斯混合模型（GMM），高斯混合模型（GMM）

本文完成了对唇动身份识别技术几个基本问题的理论研究,并对整个系统加以实现.作为本文研究的实验基础,我们建立了唇动方式身份识别数据库(HITLUDB), 该库目前包含30个说话人每人20个汉语词的音视频语料.数据库的扩充与完善工作仍在不断的进行之中.在嘴唇检测方面, 我们对自适应色度过滤模型进行改进,提高了算法的鲁棒性,完成 ...

基于隐马尔科夫的原来，写了相关关于HMM模型的代码。

Hidden_Markov_model_for_automatic_speech_recognition This code implements in C++ a basic left-right hidden Markov model and corresponding Baum-Welch (ML) training algorithm. It is meant as an example of the HMM algorithms described by L.Rabiner (1) and others. Serious students are directed to the so ...

这是TSVQ的经典实现，在Linux下可以运行。TSVQ是一种高效的压缩和解压缩的方法，基于二叉树的结构来实现，比一般的VQ要好得多。 关键代码是mem_tsvqe.c 利用TSVQ实现对原始数据的编码压缩。

常用的模型和算法介绍。有BP神经网络的C语言实现，BP神经网络解决异或问题，HMM的C语言实现，矢量量化的C语言实现，源程序实现。

分词程序，HMM模型训练，维特比解码，有说明文档。

常用的说话人识别方法有模板匹配法、统计建模法、联接主义法(即人工神经网络实现)。考虑到数据量、实时性以及识别率的问题，采用基于矢量量化和隐马尔可夫模型(HMM)相结合的方法。 　　说话人识别的系统主要由语音特征矢量提取单元(前端处理)、训练单元、识别单元和后处理单元组成， ...

这是书上的常用算法和模型介绍，有BP网络的C语言实现，HMM的C语言实现，失量量化的C语言实现。