基于EMD的說話人識(shí)別研究.pdf

1、在生物認(rèn)證領(lǐng)域,說話人識(shí)別以其獨(dú)特的優(yōu)勢——方便性、經(jīng)濟(jì)性、準(zhǔn)確性,逐漸成為人們?nèi)粘Ｉ罟ぷ髦兄陵P(guān)重要的身份認(rèn)證方式,并已被廣泛地應(yīng)用于電子商務(wù)、司法等安全領(lǐng)域,是當(dāng)前的一個(gè)研究熱點(diǎn)。說話人的特征參數(shù)是構(gòu)建說話人識(shí)別系統(tǒng)的基礎(chǔ)。當(dāng)前,大多數(shù)研究中提取說話人特征參數(shù)均是應(yīng)用短時(shí)分析方法(傅里葉變換法),但是說話人的語音信號是典型的非線性信號,采用線性信號分析方法勢必會(huì)丟失一些重要的信息。針對此種情況,本論文展開了一系列的研究,主要工作與創(chuàng)

2、新如下:第一:論文首先改進(jìn)了現(xiàn)有的特征參數(shù)。采用感知加權(quán)技術(shù),選擇基于心理聲學(xué)模型計(jì)算得到的信號掩蔽比插值作為權(quán)重函數(shù),并將權(quán)重函數(shù)應(yīng)用到mel倒譜分析中獲得加權(quán)mel倒譜系數(shù)(WMCEP),實(shí)驗(yàn)中將WMCEP結(jié)合GMM識(shí)別模型進(jìn)行說話人識(shí)別研究。第二:論文引入了非線性信號分析方法--希爾伯特黃變換(Hilbert-Huang Transform,HHT),其組成部分是經(jīng)驗(yàn)?zāi)B(tài)分解法(Empirical Mode Decompositi

3、on,EMD)和希爾伯特譜分析(Hilbert Spectral Analysis,HSA)。應(yīng)用EMD分解法并結(jié)合短時(shí)分析技術(shù),處理語音信號,提出了三種特征提取算法。實(shí)驗(yàn)中選用了適用于分類問題的SVM識(shí)別模型并結(jié)合提出的特征參數(shù)應(yīng)用到說話人識(shí)別中;同時(shí)為了比較分析SVM的識(shí)別性能,將GMM識(shí)別模型作為比較模型。第三:論文著重從理論分析的角度研究了基于EMD分解法提取特征參數(shù)的可行性和有效性。采用的分析方法是基于HAS譜和邊界譜的EMD