發(fā)布時(shí)間：2017-10-11 01:28

  本文關(guān)鍵詞：聲紋識(shí)別相關(guān)技術(shù)研究及應(yīng)用

  更多相關(guān)文章： 聲紋識(shí)別 梅爾倒譜系數(shù) 小波包分解 支持向量機(jī) 粒子群算法

【摘要】：聲紋識(shí)別技術(shù)作為僅次于掌紋和指紋識(shí)別的第三大生物特征識(shí)別技術(shù),在金融、司法、安全和智能設(shè)備中有著廣泛的應(yīng)用。相對(duì)于指紋和掌紋這些生物特征識(shí)別技術(shù),聲紋識(shí)別技術(shù)具有采集方便、成本低以及算法復(fù)雜度低等優(yōu)勢(shì)。因此,聲紋識(shí)別技術(shù)發(fā)展空間廣闊,商業(yè)價(jià)值和意義重大,是國(guó)內(nèi)外學(xué)者研究的一個(gè)熱點(diǎn)。梅爾倒譜系數(shù)(Mel-Frequency Cepstral Coefficients,MFCC)是聲紋識(shí)別中最常用的一種體現(xiàn)語(yǔ)音特征的參數(shù),它是一種模仿人耳的聽(tīng)覺(jué)特性而提取的一種特征參數(shù),它與線性倒譜不同,能夠很好地反應(yīng)語(yǔ)音信號(hào)的特征。本文在研究了MFCC參數(shù)的提取過(guò)程和小波包分解的相關(guān)理論的基礎(chǔ)上,針對(duì)MFCC參數(shù)提取過(guò)程中忽略了部分高頻細(xì)節(jié)和MFCC參數(shù)只能反映語(yǔ)音靜態(tài)特征這兩個(gè)問(wèn)題,利用小波包分解對(duì)MFCC參數(shù)的提取過(guò)程進(jìn)行改進(jìn)。實(shí)驗(yàn)證明,改進(jìn)的特征參數(shù)在聲紋識(shí)別中具有較高的識(shí)別率和較好的抗噪性。支持向量機(jī)(Support Vector Machine,SVM)是一種機(jī)器學(xué)習(xí)的方法,它追求在有限的樣本數(shù)量條件下得到最優(yōu)的分類(lèi)結(jié)果。本文在研究了SVM的核函數(shù)及其參數(shù)對(duì)SVM分類(lèi)的影響的基礎(chǔ)上,針對(duì)懲罰因子和核參數(shù)的選取,利用粒子群算法(Particle Swarm Optimization,PSO)對(duì)兩個(gè)參數(shù)進(jìn)行尋優(yōu),并對(duì)PSO算法進(jìn)行改進(jìn),改善了算法的性能并應(yīng)用到SVM中。實(shí)驗(yàn)證明改進(jìn)的PSO算法對(duì)SVM參數(shù)進(jìn)行優(yōu)化,在聲紋識(shí)別應(yīng)用中能夠達(dá)到較好的分類(lèi)效果,提高了識(shí)別率。在研究了聲紋識(shí)別技術(shù)中的語(yǔ)音信號(hào)處理、特征參數(shù)提取以及模板匹配算法的基礎(chǔ)上,將聲紋識(shí)別技術(shù)應(yīng)用到說(shuō)話人確認(rèn)系統(tǒng)中,設(shè)計(jì)了一套基于說(shuō)話人確認(rèn)的智能門(mén)禁系統(tǒng),并通過(guò)實(shí)驗(yàn)驗(yàn)證了系統(tǒng)的可行性。
【關(guān)鍵詞】：聲紋識(shí)別 梅爾倒譜系數(shù) 小波包分解 支持向量機(jī) 粒子群算法
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TN912.34;TP18
【目錄】：

• 摘要4-5
• Abstract5-11
• 注釋表11-12
• 第一章 緒論12-17
• 1.1 課題研究背景及意義12-13
• 1.1.1 聲紋識(shí)別的研究背景12
• 1.1.2 聲紋識(shí)別的研究意義和應(yīng)用12-13
• 1.2 聲紋識(shí)別的國(guó)內(nèi)外研究現(xiàn)狀和技術(shù)難點(diǎn)13-15
• 1.3 本文研究的內(nèi)容15-17
• 1.3.1 論文的主要工作15-16
• 1.3.2 論文的組織結(jié)構(gòu)16-17
• 第二章 聲紋識(shí)別技術(shù)中的語(yǔ)音信號(hào)處理17-33
• 2.1 聲紋識(shí)別概述17-19
• 2.1.1 聲紋識(shí)別簡(jiǎn)介17
• 2.1.2 聲紋識(shí)別分類(lèi)17-18
• 2.1.3 聲紋識(shí)別系統(tǒng)介紹18-19
• 2.2 語(yǔ)音信號(hào)的預(yù)處理19-23
• 2.2.1 預(yù)加重19-20
• 2.2.2 分幀加窗20-23
• 2.3 語(yǔ)音信號(hào)的端點(diǎn)檢測(cè)23-25
• 2.3.1 雙閾值端點(diǎn)檢測(cè)方法23-24
• 2.3.2 聲音信號(hào)端點(diǎn)檢測(cè)實(shí)驗(yàn)24-25
• 2.4 語(yǔ)音信號(hào)的特征提取25-32
• 2.4.1 時(shí)域特征25-28
• 2.4.2 頻域特征28-29
• 2.4.3 梅爾倒譜特征29-32
• 2.5 本章小結(jié)32-33
• 第三章 小波變換與梅爾倒譜結(jié)合的聲音特征提取方法33-43
• 3.1 差分MFCC特征提取33-34
• 3.2 基于小波包節(jié)點(diǎn)能量的聲紋特征提取34-37
• 3.2.1 小波包分解理論35-36
• 3.2.2 小波包節(jié)點(diǎn)能量提取36-37
• 3.3 基于小波包分解的MFCC特征提取方法的改進(jìn)37-39
• 3.4 聲紋識(shí)別實(shí)驗(yàn)39-42
• 3.4.1 實(shí)驗(yàn)語(yǔ)音庫(kù)39-40
• 3.4.2 實(shí)驗(yàn)方法和結(jié)果40-41
• 3.4.3 實(shí)驗(yàn)結(jié)果分析41-42
• 3.5 本章小結(jié)42-43
• 第四章 基于改進(jìn)SVM的聲紋識(shí)別方法研究43-56
• 4.1 聲紋識(shí)別的匹配模型43-44
• 4.1.1 模板匹配法43
• 4.1.2 概率統(tǒng)計(jì)模型算法43-44
• 4.1.3 機(jī)器學(xué)習(xí)算法44
• 4.2 基于SVM的聲紋識(shí)別系統(tǒng)44-48
• 4.2.1 SVM概述44-45
• 4.2.2 SVM在聲紋識(shí)別系統(tǒng)中的應(yīng)用45-46
• 4.2.3 SVM的參數(shù)選擇46-47
• 4.2.4 實(shí)驗(yàn)結(jié)果及結(jié)論47-48
• 4.3 SVM參數(shù)優(yōu)化算法48-55
• 4.3.1 PSO算法49-51
• 4.3.2 基于PSO算法的SVM模型參數(shù)尋優(yōu)51
• 4.3.3 PSO算法的改進(jìn)51-52
• 4.3.4 基于和聲搜索算法的PSO算法改進(jìn)52-53
• 4.3.5 改進(jìn)的PSO算法優(yōu)化SVM參數(shù)的聲紋識(shí)別系統(tǒng)實(shí)驗(yàn)分析53-55
• 4.4 本章小結(jié)55-56
• 第五章 基于說(shuō)話人確認(rèn)的模擬門(mén)禁系統(tǒng)設(shè)計(jì)56-67
• 5.1 說(shuō)話人確認(rèn)的結(jié)構(gòu)56-57
• 5.2 主要實(shí)現(xiàn)步驟57
• 5.3 說(shuō)話人確認(rèn)系統(tǒng)搭建及實(shí)驗(yàn)57-60
• 5.3.1 系統(tǒng)界面57-58
• 5.3.2 在線說(shuō)話人確認(rèn)身份實(shí)驗(yàn)58-59
• 5.3.3 離線說(shuō)話人確認(rèn)實(shí)驗(yàn)59-60
• 5.4 基于說(shuō)話人確認(rèn)的模擬門(mén)禁系統(tǒng)設(shè)計(jì)60-64
• 5.4.1 硬件架構(gòu)61
• 5.4.2 軟件部分61-64
• 5.5 基于說(shuō)話人確認(rèn)的模擬門(mén)禁系統(tǒng)實(shí)驗(yàn)64-66
• 5.5.1 實(shí)驗(yàn)設(shè)計(jì)64-65
• 5.5.2 識(shí)別率的計(jì)算65
• 5.5.3 在線門(mén)禁系統(tǒng)模擬實(shí)驗(yàn)65-66
• 5.6 本章小結(jié)66-67
• 第六章 總結(jié)與展望67-69
• 6.1 全文總結(jié)67
• 6.2 展望67-69
• 參考文獻(xiàn)69-72
• 致謝72-73
• 在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文73

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 汪慶華;劉江煒;張?zhí)m蘭;;交叉驗(yàn)證K近鄰算法分類(lèi)研究[J];西安工業(yè)大學(xué)學(xué)報(bào);2015年02期

2 何清;李寧;羅文娟;史忠植;;大數(shù)據(jù)下的機(jī)器學(xué)習(xí)算法綜述[J];模式識(shí)別與人工智能;2014年04期

3 劉琦;尹國(guó)祥;;基于Matlab的語(yǔ)音信號(hào)預(yù)處理技術(shù)研究[J];電子技術(shù)與軟件工程;2014年01期

4 李豫芹;朱凱進(jìn);;聲紋識(shí)別技術(shù)在調(diào)度錄音分析的應(yīng)用研究[J];電子世界;2013年22期

5 陳擁權(quán);張羽;胡籃，

本文編號(hào)：1009754