一种基于嵌入时延神经网络的高斯混合模型的说话人识别方法

发明专利无效专利

申请号：
CN200910035424.0
IPC分类号：G10L15/00
申请日期：
2009-09-28
申请人：
戴红霞;王吉林;余华

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于嵌入时延神经网络的高斯混合模型的说话人识别方法
申请号	CN200910035424.0	申请日期	2009-09-28
法律状态	撤回	申报国家	中国
公开/公告日	2011-04-27	公开/公告号	CN102034472A
优先权	暂无	优先权号	暂无
主分类号	G10L15/00 ? IPC结构图谱： G 物理 G0 仪器 G10 乐器；声学 G10L 语音分析或合成；语音识别；语音或声音处理；语音或音频编码或解码〔4〕 G10L15/00 语音识别（G10L 17/00优先）〔7，2013.01〕	IPC分类号	G;1;0;L;1;5;/;0;0查看分类表>
申请人	戴红霞;王吉林;余华	申请人地址	江苏省无锡市月秀花园39号301室变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	戴红霞,王吉林,余华	当前权利人	戴红霞,王吉林,余华
发明人	戴红霞;王吉林;余华;魏昕;赵力
代理机构	暂无	代理人	暂无

摘要

本发明公开了一种基于嵌入时延神经网络的高斯混合模型的说话人识别方法，本发明充分考虑了TDNN和GMM各自的优点，把TDNN嵌入到GMM中，TDNN充分利用了输入特征向量的时序性，并且通过时延网络的变换，求得TDNN输入和输出向量的残差，将该残差通过最大期望方法修正GMM的训练；此外利用修正后的GMM模型参数和残差得到一个似然概率，利用带惯性的向后反演方法修正TDNN参数，从而使得GNN和TDNN的参数交替更新。实验表明，采用本发明的方法在各种信噪比的情况下识别率都比基线GMM有所提高。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
1	CN103562993B	2011-12-16	2011-12-16	说话人识别方法及设备有效专利	华为技术有限公司
2	CN103680496A	2013-12-19	2013-12-19	基于深层神经网络的声学模型训练方法、主机和系统有效专利	百度在线网络技术(北京)有限公司
3	CN104183239A	2014-07-25	2014-07-25	基于加权贝叶斯混合模型的与文本无关的说话人识别方法有效专利	南京邮电大学
4	CN104183239B	2014-07-25	2014-07-25	基于加权贝叶斯混合模型的与文本无关的说话人识别方法有效专利	南京邮电大学
5	CN102436809A	2011-10-21	2011-10-21	英语口语机考系统中网络语音识别方法失效专利	东南大学
6	CN103562993A	2011-12-16	2011-12-16	说话人识别方法及设备有效专利	华为技术有限公司
7	CN103680496B	2013-12-19	2013-12-19	基于深层神经网络的声学模型训练方法、主机和系统有效专利	百度在线网络技术(北京)有限公司
8	CN104882141A	2015-03-03	2015-03-03	一种基于时延神经网络和隐马尔可夫模型的串口语音控制投影系统无效专利	盐城工学院
9	WO2013086736A1	2011-12-16	2011-12-16	说话人识别方法及设备公开	华为技术有限公司;张翔;万华林;张军
10	CN102708871A	2012-05-08	2012-05-08	基于条件高斯混合模型的线谱对参数降维量化方法无效专利	哈尔滨工程大学
11	CN104112445A	2014-07-30	2014-07-30	一种终端及语音识别方法无效专利	宇龙计算机通信科技(深圳)有限公司

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供