论文部分内容阅读
基于卷积神经网络的说话人识别系统研究
【摘 要】
：
随着人机交互技术的发展,计算机对于语音信号的识别已逐渐成为现代生活中必不可少的一环,在智能家居、金融保险、公共安全、电子通讯领域都有越来越多的需求。随着深度学习的发展,说话人识别技术近年来进展突飞猛进,但是在文本无关的说话人识别任务中,依然存在着诸多难题和挑战,例如,实际应用中面临的短语音识别、方言识别、低资源识别、语音降噪、信道干扰消除等问题。本文主要基于卷积神经网络(CNN)搭建了三种说话人识
【出 处】
：
厦门理工学院
【发表日期】
：
2021年01期
其他文献
随着学校体育改革系列文件的发布,学校体育改革已奏响我国教育领域改革的最强音,“教会、勤练、常赛”成为学校体育发展的主旋律,竞赛体系的完善既是改革的落脚点,更是出发点。高校体育的品牌赛事是我国学校体育竞赛不断改革和完善的排头兵,对其品牌影响的建设是整个学校体育竞赛体系搭建的引领和示范。本文以我国学校体育的大学生足球联赛为研究对象,通过文献资料、专家访谈、问卷调查、实地调研等方法,在对比篮、足、排等等
学位
介质阻挡放电是产生低温等离子体的有效方式,放电过程中可以引发紫外辐射,能量较高的紫外光子能够攻击物质化学键并使之断裂,产生一系列物理和化学反应。近年来,介质阻挡放电引发紫外在环境污染治理中的应用研究引起了广泛关注,该技术具有放电条件温和、污染物处理彻底等优势,然而如何有效提高紫外的辐射效率已成为目前亟需解决的问题。其中放电特性是决定放电引发紫外辐射效率的关键因素,其中电源驱动形式的选择直接影响放电
学位
基于受激布里渊散射的多波长布里渊掺铒光纤激光器(MBEFL),因其具有较高的转化效率、窄线宽、阈值低、波长间隔固定、消光比较高等特点,在全光通信网、密集波分复用系统中有着极为广泛的应用。其中自激发型MBEFL主要是通过引入滤波装置来抑制谐振腔内的模式竞争,由于滤波器的引入使其对外界环境十分敏感,所以在激光传感领域具有广泛应用;而受激发型MBEFL主要是通过引入外加强布里渊泵浦来实现对自激发腔模的抑
震相蕴含了丰富的地下介质信息和震源信息,震相分析是研究地球内部速度结构的重要手段。不论天然地震还是人工地震都能激发出含有多种震相的地震波,为“照亮”地球内部做出巨大贡献。气枪主动源是目前能量最大的非爆破人工震源,并具有重复性好、精度高、传播距离远、绿色环保等特点。祁连山气枪主动源激发平台处于张掖市的水库中,观测台站分布于河西走廊—祁连山北缘地区,该地区近两百年来发生了多次大地震,构造活动频繁,研究
学位
蛋黄营养价值高、加工性能好,作为配料广泛应用于食品加工中。但是,热处理过程中蛋黄(egg yolk,EY)会产生腥味,影响产品的感官特性。目前对蛋制品风味的研究大多集中于挥发性风味化合物的鉴定,蛋黄腥味的关键性风味物质至今仍不明确。脂质和蛋白氧化会形成诸如醛类、醇类、酮类等小分子物质,导致食品产生不良风味。蛋黄的脂质和蛋白质主要存在于低密度脂蛋白(low density lipoprotein,L
学位
手机是现代社会重要的通讯设备,而手机套作为最常见的手机保护装备,在能够保护手机的同时,人们对其外观的要求也越来越高。目前生产中手机套缺陷检测多数仍然采用人工检测的方式,人工检测方式不仅难以达到所需的检测质量标准,而且劳动成本也很高,这严重降低了检测效率。近年来,随着机器视觉检测技术的飞速发展,人们更倾向于利用计算机的自动检测来代替人工检测,这也为手机套缺陷检测提供了理论基础。本课题的手机套缺陷检测
学位
人工智能作为一项改变世界与人类生活方式的现代科技,如今已经不再只是简单对海量数据进行筛选整合工作,而是在便利我们生活的同时也对法律体系和法律秩序带来了前所未有的挑战,这一挑战是时代性、全球性的,在民事主体、著作权法、人格权法、侵权责任法等多个方面与现行法律制度带来矛盾和摩擦。面对井喷式增长的类似作品形式的人工智能生成内容,我国著作权法的基础是以“人”和“拟制人格”为著作权人而展开保护,很难将人工智
学位
随着非常规天然气勘探技术的不断发展,新增探明天然气储量逐年上升,而其中致密砂岩气藏占有决定性地位,致密砂岩气藏已然成为当今非常规天然气开发的重点领域。在致密砂岩气
随着取消全国高速公路省界收费站,不停车快捷收费的高速公路收费制度的改革,高速公路联网收费的核心问题变为如何识别车辆的精确行驶路径。通过在高速路网中布设多义性路径标识站,标识车辆行驶信息达到精确识别路径和精准收费的目的。标识站的合理布设影响高速收费系统的工作效率。为了实现高速路网标识站布设方案“经济、合理、高效”的目标,尽大可能地保护各方利益,本文开展了高速公路多义性标识站布设效果评价研究,提出了基于EWM-TOPSIS法的标识站布设方案评价方法。此外,车辆轨迹信息存在丢失
学位
传统的机器学习算法一般针对单标记进行建模预测,而现实生活中经常会出现单个样本对应多个标记的情况,传统的机器学习算法无法满足相应的需求,需要使用多标记学习方法解决相应的多标记分类问题。在大多数多标记分类问题中,标记之间通常具有相关性,处理这类问题的难点在于如何更好地利用标记之间的相关性进行分类。标记之间的相关性通常存在两种情况:一种是标记之间的相关性没有明确给出,需要通过算法寻找标记间的内在联系,然
学位