基于矢量量化（VQ）和人工神經(jīng)網(wǎng)絡(luò)（ANN）的說(shuō)話人識(shí)別的研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的發(fā)展和多媒體信息的廣泛應(yīng)用，語(yǔ)音信號(hào)處理技術(shù)已經(jīng)成為計(jì)算機(jī)界研究的熱點(diǎn)．說(shuō)話人識(shí)別始于20世紀(jì)30年代，從20世紀(jì)60年代開(kāi)始日益成為當(dāng)今的一個(gè)研究熱點(diǎn)。說(shuō)話人識(shí)別技術(shù)作為語(yǔ)音信號(hào)處理技術(shù)的一個(gè)代表和重要組成部分，具有廣泛的應(yīng)用前景，如保安、公安司法、軍事、財(cái)經(jīng)和信息服務(wù)等領(lǐng)域。正因?yàn)檎f(shuō)話人識(shí)別具有如此廣闊的應(yīng)用前景，國(guó)內(nèi)外許許多多的工作者投身于這一領(lǐng)域的研究中，使得說(shuō)話人識(shí)別方面出現(xiàn)巨大發(fā)展。 本課題以語(yǔ)音信號(hào)

2、的LPC倒譜系數(shù)、MEL倒譜參數(shù)和基音周期的混合特征參數(shù)作為識(shí)別的特征矢量集。運(yùn)用矢量量化(VQ)和人工神經(jīng)網(wǎng)絡(luò)(ANN)技術(shù)實(shí)現(xiàn)與文本有關(guān)及無(wú)關(guān)的說(shuō)話人識(shí)別。在一個(gè)10人，1800個(gè)的語(yǔ)音庫(kù)上進(jìn)行了系統(tǒng)的識(shí)別實(shí)驗(yàn)。 本論文的主要工作有：1、在說(shuō)話人識(shí)別系統(tǒng)的語(yǔ)音特征參數(shù)提取部分，詳細(xì)闡述了聲道模型、線性預(yù)測(cè)編碼(LPC)分析、LPC倒譜系數(shù)、MEL倒譜系數(shù)的求解；2、介紹了說(shuō)話人識(shí)別的不同方法，主要介紹了矢量量化技術(shù)及其在說(shuō)話

3、人識(shí)別中的應(yīng)用，其本質(zhì)是在一個(gè)解空間中用少數(shù)的幾個(gè)特殊的點(diǎn)來(lái)代表空間中全部的有效點(diǎn)，以達(dá)到聚類(lèi)的目的，并介紹了模糊矢量量化和改進(jìn)的模糊矢量量化在說(shuō)話人識(shí)別中的應(yīng)用。同時(shí)，還闡述了遺傳算法的基本思想和處理方法。將遺傳算法的全局優(yōu)化與VQ技術(shù)結(jié)合起來(lái)，采用科學(xué)的編碼方案，動(dòng)態(tài)的定標(biāo)技術(shù)，高效的交叉策略，得到了模型的優(yōu)化作用，提高了說(shuō)話人識(shí)別率。3、提出了一種新的網(wǎng)絡(luò)結(jié)構(gòu)，這種網(wǎng)絡(luò)能夠很好地解決神經(jīng)網(wǎng)絡(luò)語(yǔ)音識(shí)別中的時(shí)間規(guī)整問(wèn)題。該網(wǎng)絡(luò)從輸入語(yǔ)

4、音信號(hào)的特征矢量序列中提取出一組固定數(shù)目的特征矢量，然后將這特征矢量饋入神經(jīng)網(wǎng)絡(luò)分類(lèi)器進(jìn)行識(shí)別。和其他的神經(jīng)網(wǎng)絡(luò)說(shuō)話人識(shí)別方法相比較，用這種網(wǎng)絡(luò)進(jìn)行前端處理，可以縮短后端神經(jīng)網(wǎng)絡(luò)分類(lèi)器的訓(xùn)練和識(shí)別時(shí)間，簡(jiǎn)化分類(lèi)器的網(wǎng)絡(luò)結(jié)構(gòu)并保持較高的識(shí)別率。根據(jù)該方法分別對(duì)MLP和RBF神經(jīng)網(wǎng)絡(luò)分類(lèi)器建立了一個(gè)說(shuō)話人識(shí)別系統(tǒng)，并對(duì)系統(tǒng)進(jìn)行了識(shí)別測(cè)試。實(shí)驗(yàn)結(jié)果表明，該方法具有上述優(yōu)點(diǎn)。 本篇論文從以上三方面討論了說(shuō)話人識(shí)別的理論，最后介紹了系統(tǒng)的