本文關(guān)鍵詞：基于特征組合的說話人識別研究，由筆耕文化傳播整理發(fā)布。

【摘要】：說話人識別是一項根據(jù)說話人的聲音信號提取出表征說話人個性的特征參數(shù)來自動識別說話人身份的生物認(rèn)證技術(shù)。因其獨特的方便性、經(jīng)濟性、準(zhǔn)確性,被廣泛應(yīng)用在信息安全、通信、司法、軍事等各種需要安全認(rèn)證的領(lǐng)域。說話人識別的兩個關(guān)鍵部分是特征提取和模式匹配,而大量的研究表明,說話人識別的問題主要是來自于說話人的特征提取上,因此,本文在對說話人識別系統(tǒng)的基本原理進行了分析和研究的基礎(chǔ)上,重點研究說話人的特征提取,主要工作如下:(1)線性預(yù)測系數(shù)(LPC)和梅爾頻率倒譜系數(shù)(MFCC)是說話人識別中最常用的兩種特征參數(shù),將這兩種參數(shù)組合,雖然在一定程度上提高了識別率,但卻增加了特征參數(shù)的維數(shù),使得計算量加大。針對此問題,本文提出將LPC系數(shù)融入到MFCC系數(shù)的計算里的特征提取方法,該方法首先計算語音信號的LPC系數(shù),求出LPC功率譜;然后將LPC功率譜通過三角形濾波器組,并取對數(shù);最后將對數(shù)后的輸出做離散余弦變換,得到新的特征參數(shù):線性預(yù)測梅爾頻率倒譜系數(shù)(LPMFCC)。LPMFCC參數(shù)兼具LPC參數(shù)的聲道特性和MFCC參數(shù)的聽覺特性,雖增加了一步計算,但不增加參數(shù)的維數(shù),運算量相對較少。將LPMFCC方法分別應(yīng)用到基于VQ和基于GMM的說話人識別系統(tǒng)中進行實驗仿真。實驗結(jié)果表明,本文提出的LPMFCC方法在純凈語音環(huán)境下在基于VQ的說話人識別系統(tǒng)中,較LPC方法和MFCC方法識別率能提高18.57%和10.00%;在基于GMM的說話人識別系統(tǒng)中,與LPC方法和MFCC方法相比,識別率也分別提高了11.72%和2.00%,在不同噪聲環(huán)境下LPMFCC方法的識別性能均明顯改善。(2)Mel濾波器組在低頻區(qū)域分布密集,在高頻區(qū)域分布稀疏,使得MFCC系數(shù)忽略了高頻信息。針對此不足,采用將Mel濾波器組進行翻轉(zhuǎn),得到翻轉(zhuǎn)梅爾頻率倒譜系數(shù)IMFCC的方法。利用MFCC系數(shù)和IMFCC系數(shù)的互補特點,討論MFCC和IMFCC特征的融合在系統(tǒng)中的應(yīng)用,首先將兩者分別輸入到同一種分類器中,得到各自的匹配得分,然后將兩者得分加權(quán)融合得到融合匹配分?jǐn)?shù),最后做出判決。通過實驗仿真,驗證了此方法的有效性。(3)研究說話人識別技術(shù)實用化的問題。初步實現(xiàn)了基于DSP的說話人確認(rèn)系統(tǒng),該系統(tǒng)以開發(fā)板上的LED燈確定說話人的身份,如果LED燈亮,表明是本人的語音,而如果LED燈不亮,則說明并不是本人的語音。
【關(guān)鍵詞】：說話人識別 線性預(yù)測系數(shù) 梅爾頻率倒譜系數(shù) 矢量量化 高斯混合模型
【學(xué)位授予單位】：湘潭大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN912.34
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-14
• 1.1 說話人識別研究背景及意義9-10
• 1.2 發(fā)展歷史和現(xiàn)狀10-11
• 1.3 說話人識別的研究難點11-12
• 1.4 本論文研究的主要內(nèi)容和章節(jié)安排12-14
• 1.4.1 主要內(nèi)容12
• 1.4.2 章節(jié)安排12-14
• 第2章 說話人識別技術(shù)基礎(chǔ)14-21
• 2.1 說話人識別技術(shù)概述14-16
• 2.1.1 說話人識別系統(tǒng)結(jié)構(gòu)14
• 2.1.2 說話人識別的分類14-15
• 2.1.3 說話人識別系統(tǒng)性能評價15-16
• 2.2 說話人識別預(yù)處理16-19
• 2.2.1 預(yù)加重16-17
• 2.2.2 加窗分幀17
• 2.2.3 端點檢測17-19
• 2.3 說話人識別模式匹配方法19-20
• 2.3.1 基于模板匹配模型的方法19
• 2.3.2 基于概率統(tǒng)計模型的方法19
• 2.3.3 基于人工神經(jīng)網(wǎng)絡(luò)的方法19-20
• 2.4 本章小結(jié)20-21
• 第3章 說話人識別的特征組合方法研究21-30
• 3.1 線性預(yù)測系數(shù)21-24
• 3.2 MFCC系數(shù)的提取24-26
• 3.3 LPMFCC系數(shù)的提取26-27
• 3.4 基于MFCC與IMFCC系數(shù)的說話人識別研究27-29
• 3.4.1 IMFCC系數(shù)的提取27-28
• 3.4.2 MFCC與IMFCC系數(shù)的組合方法研究28-29
• 3.5 本章小結(jié)29-30
• 第4章 基于VQ的說話人識別系統(tǒng)研究30-39
• 4.1 矢量量化的基本原理30-31
• 4.2 LBG算法31-32
• 4.3 初始碼本的選定32-33
• 4.4 基于VQ的說話人識別系統(tǒng)33-34
• 4.5 實驗結(jié)果與分析34-38
• 4.5.1 融合LPC系數(shù)和MFCC系數(shù)實驗結(jié)果分析34-35
• 4.5.2 組合MFCC參數(shù)和IMFCC參數(shù)實驗結(jié)果分析35-38
• 4.6 本章小結(jié)38-39
• 第5章 基于GMM的說話人識別系統(tǒng)研究39-49
• 5.1 高斯混合模型的基本概念39-40
• 5.2 高斯混合模型的參數(shù)估計40-43
• 5.3 基于GMM的說話人識別系統(tǒng)43-44
• 5.3.1 系統(tǒng)基本機構(gòu)43
• 5.3.2 GMM模型的識別問題43-44
• 5.4 實驗結(jié)果與分析44-47
• 5.4.1 融合LPC系數(shù)和MFCC系數(shù)實驗結(jié)果分析44-45
• 5.4.2 組合MFCC參數(shù)和IMFCC參數(shù)實驗結(jié)果分析45-47
• 5.5 本章小結(jié)47-49
• 第6章 應(yīng)用DSP進行說話人識別的軟件設(shè)計49-53
• 6.1 DSP集成開發(fā)環(huán)境CCS49-51
• 6.2 說話人識別的DSP程序流程51-52
• 6.3 系統(tǒng)測試及相關(guān)結(jié)果52
• 6.4 本章小結(jié)52-53
• 第7章 總結(jié)與展望53-55
• 7.1 工作總結(jié)53-54
• 7.2 未來展望54-55
• 參考文獻55-58
• 致謝58-59
• 附錄A 個人簡歷59-60
• 附錄B 攻讀學(xué)位期間發(fā)表的論文60-61
• 附錄C 論文中的用圖61-62
• 附錄D 論文中的用表62

【參考文獻】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 孫鵬;基于GMM算法的說話人識別系統(tǒng)的研究[D];東北林業(yè)大學(xué);2014年

  本文關(guān)鍵詞：基于特征組合的說話人識別研究，，由筆耕文化傳播整理發(fā)布。

本文編號：301818