基于矢量量化和高斯混合模型的說話人識別技術(shù)研究.pdf

1、說話人識別是生物識別的一個(gè)分支，正以其獨(dú)特的方便性、經(jīng)濟(jì)性和準(zhǔn)確性等優(yōu)勢受到世人矚目，是當(dāng)前安全認(rèn)證系統(tǒng)研究和發(fā)展的必然趨勢。本文就小規(guī)模文本無關(guān)說話人識別的理論和技術(shù)進(jìn)行了系統(tǒng)的研究。分別在語音庫建立、語音去噪、端點(diǎn)檢測、特征提取及識別方法等5個(gè)方面取得了較有成效的進(jìn)展。建立了一個(gè)基于說話人識別的小型語音庫，完成了20個(gè)人的語音樣本采集工作，為算法測試奠定了物質(zhì)基礎(chǔ)。針對基于軟閾值的多尺度小波去噪方法對清音的功率譜破壞較大，不利于保持

2、語音完整性的缺點(diǎn)，提出了分段小波去噪方法，較完整的保留了清音的功率譜，同時(shí)充分利用了基于軟閾值的多尺度小波去噪方法的去噪能力。對分形維數(shù)在端點(diǎn)檢測中的應(yīng)用進(jìn)行了研究，研究表明和短時(shí)能量、短時(shí)過零率相比，分形維數(shù)具有更好的魯棒性，適用于低信噪比環(huán)境。比較和分析了現(xiàn)有說話人識別特征，表明梅爾倒譜系數(shù)在單獨(dú)使用時(shí)優(yōu)勢明顯，梅爾倒譜系數(shù)及其二階差分系數(shù)的組合具有更好的區(qū)分能力。提出了一種基于語音頻譜的準(zhǔn)基音頻率，該特征依賴于濁音的譜特性，和基音

3、頻率相比具有較好的抗噪聲、抗長時(shí)變動(dòng)的能力。在不改變空間復(fù)雜度，不明顯增加時(shí)間復(fù)雜度的前提下，利用語音無精確類別的特性，將粗糙集引入矢量量化中，降低了噪聲的干擾能力。利用各語音段被噪聲干擾的程度不同，提出了一種自適應(yīng)補(bǔ)償?shù)母咚够旌夏Ｐ头ǎ谝欢ㄐ旁氡确秶鷥?nèi)提高了系統(tǒng)的識別性能。本文用MATLAB建立了文本無關(guān)說話人識別的實(shí)驗(yàn)平臺，實(shí)驗(yàn)結(jié)果表明改進(jìn)算法的整體性能要優(yōu)于傳統(tǒng)算法，其中采用分形端點(diǎn)檢測，小波去噪，MFCC特征和基于粗糙集的矢量