【摘要】：聲紋是一種重要的生物特征,聲紋識別也稱為說話人識別。借助于聲紋識別的門禁系統(tǒng)安全可靠、使用便捷,是目前研究的熱點問題。本文以門禁系統(tǒng)中的聲紋識別為研究問題,在闡述門禁系統(tǒng)的基本結(jié)構(gòu)和工作流程的基礎(chǔ)上,詳細給出了門禁系統(tǒng)聲紋識別模塊設(shè)計與實現(xiàn)。門禁系統(tǒng)中的聲紋識別分為聲紋注冊階段和聲紋識別階段兩部分。聲紋注冊主要完成對說話人的數(shù)據(jù)采集、預處理及模型建立。在聲紋識別階段,根據(jù)訓練獲得的說話人聲紋模型對說話人進行檢測。整個算法核心為聲紋注冊和識別部分的說話人識別模型建立。為了從說話人音頻數(shù)據(jù)中有效獲得特征,本文采用預加重、分幀加窗對語音信號進行預處理,通過傅里葉變換將語音信號由時域轉(zhuǎn)換到頻域,考慮到MFCC未充分反映語音動態(tài)特性的問題,將多窗譜估計和一階二階差分應用到特征提取過程中,給出了修正的MFCC頻譜圖。在此基礎(chǔ)上,以獲取的頻譜圖為數(shù)據(jù)源,建立了聲紋識別的卷積神經(jīng)網(wǎng)絡(luò)模型,并在TIMIT與自建數(shù)據(jù)集上驗證了模型的有效性。通過實驗發(fā)現(xiàn),在噪聲情況下,聲紋識別準確率會有較大降低。針對這一問題,本文將含有噪聲的聲紋識別劃分為三個過程:噪聲類型識別、噪聲去除、聲紋識別。分別采用BP神經(jīng)網(wǎng)絡(luò)模型實現(xiàn)了噪聲類型識別,采用LSTM模型實現(xiàn)了噪聲去除,采用卷積神經(jīng)網(wǎng)絡(luò)完成了聲紋識別。最后通過實驗驗證了本文提出方案的有效性。
【學位授予單位】：青島大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TU89;TN912.34
【圖文】：

語音處理的部分分支

圖 1.2 聲紋識別的劃分類別的說話內(nèi)容，可以分為文本無關(guān)(Text-independenendent)的聲紋識別。這里的“文本”指的是說話人語音內(nèi)容并不關(guān)注，或者說對說話人所說的內(nèi)容

【相似文獻】

相關(guān)期刊論文 前10條

1 張舒;王成強;李想;李慧;;生產(chǎn)環(huán)境下聲紋識別系統(tǒng)的設(shè)計與實現(xiàn)[J];南京師范大學學報(工程技術(shù)版);2018年04期

2 程琳琳;;聲紋識別漸成新趨勢 尼仕將幫助企業(yè)實現(xiàn)數(shù)據(jù)的貨幣化[J];通信世界;2017年20期

3 李曉坤;鄭永亮;袁p

本文編號：2734213