聲紋識(shí)別系統(tǒng)與模式識(shí)別算法研究.pdf

1、基于生物特征的身份認(rèn)證技術(shù)是當(dāng)今國(guó)際上的重點(diǎn)研究?jī)?nèi)容，聲紋識(shí)別是通過(guò)語(yǔ)音識(shí)別說(shuō)話人的身份，在系統(tǒng)安全認(rèn)證、金融服務(wù)、司法鑒定以及電子偵聽(tīng)等領(lǐng)域有著廣泛的應(yīng)用價(jià)值。
　　 聲紋識(shí)別是語(yǔ)音識(shí)別的一種，從應(yīng)用角度可將聲紋識(shí)別分為說(shuō)話人確認(rèn)和說(shuō)話人辨認(rèn)兩種，從識(shí)別條件角度可將其分為與文本有關(guān)的說(shuō)話人識(shí)別和與文本無(wú)關(guān)的說(shuō)話人識(shí)別兩類(lèi)。聲紋識(shí)別不注重語(yǔ)音信號(hào)中的內(nèi)容，只注重語(yǔ)音信號(hào)中個(gè)人的信息特征。聲紋識(shí)別有兩個(gè)關(guān)鍵技術(shù):首先是特征提取，從

2、聲學(xué)或統(tǒng)計(jì)學(xué)的角度在語(yǔ)音信號(hào)中提取特征參數(shù)描述說(shuō)話人的聲音特征;其次是識(shí)別模型，用機(jī)器學(xué)習(xí)模型去學(xué)習(xí)、記憶說(shuō)話人特征，從而實(shí)現(xiàn)說(shuō)話人的識(shí)別。
　　 本文系統(tǒng)闡述了聲紋識(shí)別技術(shù)的原理，并重點(diǎn)研究了:
　　 (1)語(yǔ)音特征提取:基音周期、過(guò)零率、明亮度、線性預(yù)測(cè)系數(shù)(LinearPrediction Coefficients，LPC)、線性預(yù)測(cè)倒譜系數(shù)（Linear Cepstral PredictionCoefficien

3、ts，LPCC）、美爾頻率倒譜系數(shù)(Mel-Frequency Cepstrum Coefficients，MFCC)等。
　　 (2)聲紋識(shí)別模型:高斯混合模型、隱馬爾可夫模型、矢量量化模型、人工神經(jīng)網(wǎng)絡(luò)模型、支持向量機(jī)模型。
　　 現(xiàn)有算法的識(shí)別效果容易受環(huán)境噪聲、語(yǔ)音變異等因素的影響，針對(duì)這一問(wèn)題，本文在對(duì)現(xiàn)有聲紋識(shí)別技術(shù)進(jìn)行深入研究的基礎(chǔ)上，對(duì)現(xiàn)有算法進(jìn)行了改進(jìn)，并進(jìn)行了大量實(shí)驗(yàn)（實(shí)驗(yàn)所用語(yǔ)音數(shù)據(jù)是在不同環(huán)境噪聲

4、下分早、中、晚不同時(shí)間段所錄制，進(jìn)行了為期一個(gè)月的聲音采集，期間有人患重感冒，聲音發(fā)生變異）。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的算法能夠有效克服環(huán)境噪聲、語(yǔ)音變異帶來(lái)的影響。具體做了以下幾個(gè)方面的工作:
　　 (1)改進(jìn)了語(yǔ)音特征提取中的美爾頻率倒譜系數(shù)法，利用頻率掩蔽算法減少了噪聲信號(hào)對(duì)語(yǔ)音信號(hào)的影響;利用MFCC、IMFCC、MidMFCC分別解決低頻、高頻、中頻段的計(jì)算精度問(wèn)題，一定程度上提高了語(yǔ)音的識(shí)別率。
　　 (2)改進(jìn)了