2010级研究生中期选题报告

北京信息科技大学

硕士学位论文选题报告

选题名称 基于支持向量机的说话人识别 姓 名 李 飞 专业、年级 09级信号与信息处理专业 指导教师 李红莲 协助指导教师 报告日期 2010年12月

填表说明

1. 应根据表中所提出的要求作开题报告，听取意见修改后，方可填写此表。 2. 封面“指导教师”一栏仅限正式指导教师，“协助指导教师”限在研究生部正式备案的协助指导教师。

3. 本表一式二份，经评议组及学科（专业）所在分委会批准后，本人、各分委会各持一份，研究生部留存电子版备案。

4. 选题报告（连同评分附表）在第三学期结束前，由所在学科（专业）分委员会签署意见后备案。

一、选题背景和立论依据

1. 选题背景(课题来源)

语音是实现人们之间沟通交流的最直接与方便的手段，而实现计算机与人之间畅 通无阻的语音交流一直是人类不懈追求的一个梦想，语音识别则是实现这一梦想的关 键性技术[1]。说话人识别技术(Speaker recognition,SR)也称声纹识别技术是语音识 别技术中的一种。语音波形可以反映说话人生理和行为特征，我们称之为的语音参数。 说话人识别技术可以提取这些语音参数，并根据这些参数自动识别说话人的身份。与 指纹识别、虹膜识别等一样，说话人识别可以被广泛应用于各种需要身份认证的领域 当中，如防盗门的开启认证、银行系统的身份认证、犯罪嫌疑人的查证、网络信息检 索等。 说话人识别的过程分为两个阶段。首先是学习阶段，需要一种手段处理来自不同 说话人的语音参数，按一定方法“找到”并“记住”每个说话人之间的不同之处。然 后是识别阶段，当得到一段未知身份的语音时可以凭借学习阶段的“记忆”来识别说 话人的身份。支持向量机正是一种建立在统计学习理论基础上的一种通用学习方法。 它具有保持经验风险固定而最小化置信范围的特点，相比其它学习手段(如基于贝叶 斯判决的分类器或者神经网络分类器， )支持向量机可以解决局部极小点和过学习等问 题，以便于正确地将每个说话人的语音特征进行分类。因此，研究基于支持向量机的 说话人识别将具有较高的理论价值和广泛的应用前景。 来源：预研项目 课题名称：基于支持向量机的说话人识别

2

2.文献综述(包括选题依据和国内外研究现状、发展动态、课题研究目的、意义等， 可加附页，应不少于 3000 字) 见附页

3.所查阅的与选题有关的中外文献名称、作者、期刊及所用查阅手段 [1] 徐 波 . 语 音 识 别 技 术 与 应 用 的 发 展 趋 势 [J]. 中 国 计 算 机 学 会 通 讯 ， 2008,2:54~57 [2] L.R.拉宾纳，R.W.

谢弗，朱雪龙等译.语音信号处理[M].科学出版社. [3] 张军英.说话人识别的现代方法与技术[D].陕西：西北大学,1994. [4] 雷震春,支持向量机算法的研究及在说话人识别上的应用[D],浙江：浙江大 学,2002.3

[5] 吴朝晖,杨莹春,说话人识别模型与方法[M],北京：清华大学出版社,2009. [6] 杜娟,基于支持向量机的说话人识别[D],吉林：吉林大学,2007. [7] Yu H., Yang J., and Han J., Classifying Large Data Sets Using SVMs with Hierarchical Clusters[J], Proc. of the 9th ACM SIGKDD 2003,Washington, DC,USA,2003. [8] Dong J-X., Krzyzak A. and Suen C.Y., Fast SVM Training Algorithm with Decomposition on Very Large Data Sets[J], IEEE Trans. Pattern Analysis and Machine Intelligence, Vol.27, No.4,pp.603-618, 2005 [9] Mavroforakis M.E. and Teodoridis S., A Geometric Approach to Support Vector Machine(SVM)Classification[J], IEEE Trans. Neural Networks, Vol.17, No.3, 671-682, 2006 [10] 李红莲，基于 Internet 的为文本口语检索的研究[D].北京：北京交通大学， 2003. [11] 王书诏,邱天爽，说话人识别研究综述[J].电声技术，2007,31(1) :51-56. [12] 杨铁建,基于支持向量机的数据挖掘技术研究[D],西安：西安电子科技大学， 2005. [13] Boyang Li, Qiangwei Wang, Jinglu Hu. A Fast SVM Training Method for Very Large Dates [J]. Proceedings of International Joint Conference on Neural

Networks, Atlanta, Georgia, USA, June 14-19, 2009. [14] David M.J. Tax, Robert P.W. Duin, Data Domain Description using Support Vectors[J]. European Symposium on Artificial Neural Networks Bruges (Belgium), 21-23 April 1999, D-Facto public., ISBN 2-600049-9-X, pp. 251-256. [15] 范欣炜，支持向量机算法的研究及其应用[D],浙江：浙江大学，2003. [16] Jian Luo, Bo Li, Chang-qing Wu, Yinghui Pan, A Fast SVDD Algorithm Based on Decomposition and Combination for Fault Detection[J]. 2010 8th IEEE International Conference on Control and Automation Xiamen, China, June 9-11, 2010. [17] Chi-Kai Wang, Yung Ting, Yi-Hung Liu, and Gunawan Hariyanto, A Novel Approach to Generate Artificial Outliers forSupport Vector Data

Description[J]. IEEE International Symposium on Industrial Electronics Seoul Olympic Parktel, 2009.4

[18] Tao Xin-min, Chen Wan-Hai, Du Bao-Xiang, Xu Yong, Dong Han-Guang, Novel Model of one-class Bearing IEEE Fault Detection on using SVDD and Genetic and

Algorithm[J].Second Applications,2007.

Conference

Industrial

Electronics

[19] Daesung Kang, Jooyoung Park, and Jose C. Principe, Binary Classification Based on SVDD Projection and Nearest Neighbors[J]. IEEE Conference. [20] Yuhuan Zhou1, Yong Gong2, Jinming Wang1, Jian Sun1, Xiongwei Zhang2, Tao Zhu1, Speaker Verification based on SVDD[J]. 3rd International Congress on Image and Signal Processing ,2010. [21] Nir Krause, Ran Gazit, SVM-based Speaker Classification in the GMM Models Space[J]. IEEE Odyssey. 2006. [22] Minghui Liu , Zhongwei Huang , Evaluatio

n of GMM-based Features for SVM Speaker Verification[J]. Proceedings of the 7th World Congress on Intelligent Control and Automation June 25 - 27, 2008. [23] Chang Huai You, Kong Aik Lee, Haizhou Li, An SVM Kernel With GMM-Supervector Based on the Bhattacharyya Distance for Speaker

Recognition[J]. IEEE SIGNAL PROCESSING LETTERS, VOL. 16, NO. 1, 2009. [24] Daniel J. Mashao, A hybrid GMM-SVM speaker identification system [J]. IEEE AFRICON, 2004. [25] Minqiang Xu, Beiqian Dai, Dongxing Xu, Shiqing Yang, Qingsong Liu, SVM-based Text-independent Speaker Verification using Derivative Kernel in the Reference GMM Space [J]. International Symposiums on Information Processing, 2008. [27] 刘明辉，基于 GMM 和 SVM 的文本无关的说话人确认方法研究[D].安徽：中国 科学技术大学,2007. [28] 张亚芬，支持向量机在说话人识别系统中的应用[D].兰州：兰州理工大 学,2007. [29] 忻栋，支持向量机算法的研究及在说话人识别上的 …… 此处隐藏：7355字，全部文档内容请下载后查看。喜欢就下载吧 ……