語音非線性特征在說話人識別中的應用.pdf

1、說話人識別是一種生物識別技術，它是指機器通過說話人的語音自動識別出說話人的身份。在信息接入服務安全控制、司法鑒定、人機界面智能化等方面這項技術有著良好的應用前景。說話人識別主要經(jīng)過三個階段來實現(xiàn)——提取特征、建立說話人模型、判決。特征提取階段是第一步，也是非常重要的一步。不能提取充分反映說話人個性特征的特征量，后兩步的優(yōu)化很難奏效?，F(xiàn)有特征提取方法大都是建立把語音信號當作短時平穩(wěn)信號的認識基礎上的，這些特征用于說話人識別取得了較好的效果

2、，但是在人們設法進一步提高系統(tǒng)的識別率和魯棒性時呈現(xiàn)出了它的局限性。針對這種困難，本文考察了語音信號的非線性特征，并討論如何將它們應用于說話人識別，以改善系統(tǒng)的性能。圍繞這個研究思路，本文主要做了以下內(nèi)容的工作： (1)介紹了說話人識別的基本概念、基本原理、技術難點，回顧了說話人識別的研究歷史和概括了國內(nèi)外的研究現(xiàn)狀； (2)為從根源上研究語音特性，本文對語音的發(fā)聲器官和產(chǎn)生機理進行描述，分析了說話人發(fā)音過程中存在的非線

3、性現(xiàn)象，并通過計算38個漢語音素的最大李雅普諾夫指數(shù)從實驗角度驗證了語音的混沌性； (3)運用信號處理知識闡述線性預測倒譜系數(shù)、Mel倒譜系數(shù)等反映說話人個性的常用特征量的原理及計算方法。同時，較為詳細地討論了刻畫語音非線性特性信息的特征量——最大李雅普諾夫指數(shù)、二階熵和關聯(lián)維數(shù)的物理意義及其提取算法； (4)比較新穎地將非線性特征運用于說話人識別。為檢驗其效果，使用矢量量化模型和高斯混合模型兩種分類器，結合常用特征構建