與文本相關(guān)的說(shuō)話人識(shí)別方法研究.pdf

1、說(shuō)話人識(shí)別作為語(yǔ)音識(shí)別的一種特殊形式，是當(dāng)前語(yǔ)音信號(hào)處理技術(shù)的研究熱點(diǎn)之一，該技術(shù)對(duì)于各類(lèi)機(jī)要場(chǎng)所、安防等領(lǐng)域的身份認(rèn)證具有重要的應(yīng)用價(jià)值。 本文首先根據(jù)語(yǔ)音信號(hào)的物理產(chǎn)生過(guò)程以及人耳的聽(tīng)覺(jué)特性，介紹了兩種系統(tǒng)模型，分析和提取出了幾種應(yīng)用較為廣泛的說(shuō)話人特征參數(shù)。其次，分別以連續(xù)隱馬爾可夫模型CHMM及BP網(wǎng)絡(luò)為例，詳細(xì)闡述了隱馬爾可夫模型HMM與人工神經(jīng)網(wǎng)絡(luò)ANN兩種不同的建模理論與識(shí)別策略，討論了二者在說(shuō)話人識(shí)別當(dāng)中的一些應(yīng)

2、用問(wèn)題，構(gòu)造完成了兩類(lèi)不同的話者識(shí)別模型，并編程實(shí)現(xiàn)了相應(yīng)的識(shí)別算法。接著，在特征提取方面嘗試了一種較新的組合形式，仿真實(shí)驗(yàn)結(jié)果表明將多種特征參數(shù)進(jìn)行合理組合有助于提高說(shuō)話人識(shí)別系統(tǒng)的正確識(shí)別率。最后，在不增加網(wǎng)絡(luò)設(shè)計(jì)、構(gòu)建方面的困難與復(fù)雜度的情況下，考慮如何將規(guī)模龐大的多維多幀說(shuō)話人語(yǔ)音特征矢量送入人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，同時(shí)又保證所訓(xùn)練出的網(wǎng)絡(luò)具有較高的識(shí)別性能，針對(duì)這一問(wèn)題本論文給出并應(yīng)用了一種新穎的特征參數(shù)處理方案。該方案以說(shuō)話人

3、聲音特征參量各維的變化情況來(lái)反映該講話者聲音特性的變化，一定程度地降低了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性，較好地解決了網(wǎng)絡(luò)設(shè)計(jì)當(dāng)中面臨的一些實(shí)際問(wèn)題。 在對(duì)以Mel倒譜及其差分形式為組合特征參數(shù)的仿真測(cè)試中，本論文采用上述特征參數(shù)處理方案建立了一BP網(wǎng)絡(luò)，在訓(xùn)練過(guò)程中時(shí)間開(kāi)銷(xiāo)約為8秒。在識(shí)別測(cè)試中，對(duì)隨意抽取的10個(gè)未參與訓(xùn)練的待測(cè)樣本全部識(shí)別正確，總耗時(shí)約為10.3秒。仿真結(jié)果較好地證明了本論文所給出的特征參數(shù)處理方案能有效降低網(wǎng)絡(luò)搭建的