噪聲環(huán)境下基于個性特征的說話人識別研究.pdf

1、說話人識別（聲紋識別）屬于生物認(rèn)證技術(shù)的范疇，是一種根據(jù)語音波形中反映說話人生理和行為特征的語音參數(shù)自動鑒別說話人身份的技術(shù)?，F(xiàn)有說話人識別的研究大多是在辦公室安靜環(huán)境下基于短時處理的方法處理語音，缺乏具有魯棒性的個性特征，識別算法類別區(qū)分能力較弱。針對以上的不足，本文針對噪聲環(huán)境下的說話人識別展開研究，主要工作與創(chuàng)新如下：
　　1.在端點檢測中，利用經(jīng)驗?zāi)B(tài)分解法（EmpiricalModeDecomposition，EMD）對

2、帶噪語音進(jìn)行端點檢測，首先利用EMD法對帶噪語音進(jìn)行分解，去除受噪聲影響最大的前兩層固有模態(tài)函數(shù)（InstrintModeFunction，IMF）分量后，經(jīng)過分析均值與方差，得到能夠完整表征語音信息的IMF分量，利用這些IMF分量重構(gòu)語音，然后對重構(gòu)的信號利用雙門限法進(jìn)行端點檢測，實驗結(jié)果表明發(fā)現(xiàn)在一定的信噪比下，本文提出的方法具有魯棒性，并能提高端點檢測的準(zhǔn)確率。
　　2.在特征提取中，先利用EMD法對信號進(jìn)行分解，然后通過分

3、析找出包含共振峰和基頻的IMF分量，利用包含前三個共振峰的IMF1,IMF2和IMF4分量和包含基音信息的IMF3分量，并利用希爾伯特變換求取其瞬時頻率（InstantFrequency，IF）。
　　3.在訓(xùn)練/測試階段，利用具有分類能力的支持向量機(jī)（SupportVectorMachine，SVM）通過組合不同的特征參數(shù)進(jìn)行說話人識別，實驗結(jié)果表明本論文提出方法由于傳統(tǒng)方法，且瞬時頻率作為特征參數(shù)的效果優(yōu)于MFCC作為參數(shù)的效