14、点集线性与伸长特性测量及SDC特征在说话人验证中的应用

点集线性与伸长特性测量及SDC特征在说话人验证中的应用

1. 点集线性与伸长特性测量

在形状分析中，点集的线性和伸长特性是重要的研究内容。形状的伸长值与水平和垂直边缘的比例有关。例如，某些形状（如图4中的形状a、b和c）由于具有相同的水平和垂直边缘比例，其伸长值也相同。而图3中的一些形状（如形状4、5、6、7、9、10、11、16、17、18、19、20和23）也具有类似特性，使用SZ和ZS方法计算它们的伸长值时，结果比实际应有的值低很多。这并非意味着伸长和线性之间不存在联系，而是说明某些伸长测量方法在这些情况下表现不佳。

对基于面积的形状集进行MMR和SB测量的双尾配对t检验，得到的值为0.0161，两者测量结果的平均差异为0.03096，即平均而言，这些测量结果的差异为3%。95%的置信区间表明，测量值的差异范围在[0.00627, 0.05565]。

研究发现，伸长和线性的测量在各种数据集上高度相关，这意味着这些测量指标相对可互换，甚至可能完全等效。不过，还需要在实际数据中进行更多实验，以更好地支持这一论断。同时，MMR测量方法可同样应用于基于面积和形状的图形，这表明涉及惯性矩的计算并非严格局限于基于面积的形状，但这一论断还缺乏正式证明。

2. 说话人验证中SDC特征与韵律特征的线性关系评估

2.1 引言

语音中包含丰富的动态信息，以往常用的方法是提取瞬时倒谱特征的一阶和二阶时间导数，即delta（∆）和delta - delta（∆∆）特征。Furui曾使用倒谱系数及其回归系数进行说话人识别，证明了结合时间和动态特征的有效性。然而，∆和∆∆特征只能反映短期语音频谱动态，无法捕捉语音中的长期变化，如韵律、语