基于融合基頻特征的聲紋識(shí)別技術(shù)研究.pdf

1、聲紋識(shí)別，也稱說(shuō)話人識(shí)別，它是通過(guò)對(duì)說(shuō)話人的語(yǔ)音信號(hào)進(jìn)行分析，而對(duì)說(shuō)話人進(jìn)行確認(rèn)(Verification)或鑒別(Identification)的一種技術(shù)，已經(jīng)在安全支付、聲紋解鎖、公安刑偵等許多信息安全領(lǐng)域得到成功和廣泛的應(yīng)用。人的聲音所具有的特征分為聲道特征和聲門特征兩類，傳統(tǒng)的聲紋識(shí)別技術(shù)是基于人的聲道特征的，在理想的語(yǔ)音錄制環(huán)境中能取得較好的識(shí)別效果。但是，傳統(tǒng)聲紋識(shí)別技術(shù)使用一種或兩種聲道特征，在噪聲環(huán)境下識(shí)別性能下降。因此

2、，本文研究基于融合人的聲門特征的聲紋識(shí)別技術(shù)。文章的主要研究工作如下:
　　1.分析了語(yǔ)音信號(hào)處理中的加窗分幀、端點(diǎn)檢測(cè)的方法，并對(duì)傳統(tǒng)的端點(diǎn)檢測(cè)方法進(jìn)行了改進(jìn)，增加短時(shí)能量的變化幅度作為端點(diǎn)檢測(cè)的一個(gè)門限。與傳統(tǒng)方法相比，該方法降低了端點(diǎn)檢測(cè)算法對(duì)噪聲的敏感程度，提高了算法的適應(yīng)性。
　　2.本文研究語(yǔ)音信號(hào)中梅爾倒譜系數(shù)（Mel Frequency Cepstrum Coefficient，MFCC）的提取算法，并進(jìn)行了

3、改進(jìn)，降低其對(duì)噪聲的敏感程度。
　　3.針對(duì)傳統(tǒng)基頻提取算法中易產(chǎn)生倍頻、半頻錯(cuò)誤的問(wèn)題，本文結(jié)合倒譜分析，改進(jìn)了歸一化自相關(guān)函數(shù)的基頻提取算法。仿真實(shí)驗(yàn)表明，與傳統(tǒng)算法相比，該算法較好地解決了半頻、倍頻錯(cuò)誤問(wèn)題，并擬合成比較平滑的基音曲線，結(jié)果準(zhǔn)確可靠。
　　4.最后將基頻特征和MFCC融合，研究了基頻特征的短時(shí)融合模型和一種基于基頻特征的倒譜補(bǔ)償模型，并分別進(jìn)行了基于融合基頻特征和矢量量化模型的仿真實(shí)驗(yàn)、基于融合基頻特征