基于矢量量化（VQ）和人工神经网络（ANN）的说话人识别的研究

摘要

随着计算机技术的发展和多媒体信息的广泛应用，语音信号处理技术已经成为计算机界研究的热点．说话人识别始于20世纪30年代，从20世纪60年代开始日益成为当今的一个研究热点。说话人识别技术作为语音信号处理技术的一个代表和重要组成部分，具有广泛的应用前景，如保安、公安司法、军事、财经和信息服务等领域。正因为说话人识别具有如此广阔的应用前景，国内外许许多多的工作者投身于这一领域的研究中，使得说话人识别方面出现巨大发展。 本课题以语音信号的LPC倒谱系数、MEL倒谱参数和基音周期的混合特征参数作为识别的特征矢量集。运用矢量量化(VQ)和人工神经网络(ANN)技术实现与文本有关及无关的说话人识别。在一个10人，1800个的语音库上进行了系统的识别实验。 本论文的主要工作有：1、在说话人识别系统的语音特征参数提取部分，详细阐述了声道模型、线性预测编码(LPC)分析、LPC倒谱系数、MEL倒谱系数的求解；2、介绍了说话人识别的不同方法，主要介绍了矢量量化技术及其在说话人识别中的应用，其本质是在一个解空间中用少数的几个特殊的点来代表空间中全部的有效点，以达到聚类的目的，并介绍了模糊矢量量化和改进的模糊矢量量化在说话人识别中的应用。同时，还阐述了遗传算法的基本思想和处理方法。将遗传算法的全局优化与VQ技术结合起来，采用科学的编码方案，动态的定标技术，高效的交叉策略，得到了模型的优化作用，提高了说话人识别率。3、提出了一种新的网络结构，这种网络能够很好地解决神经网络语音识别中的时间规整问题。该网络从输入语音信号的特征矢量序列中提取出一组固定数目的特征矢量，然后将这特征矢量馈入神经网络分类器进行识别。和其他的神经网络说话人识别方法相比较，用这种网络进行前端处理，可以缩短后端神经网络分类器的训练和识别时间，简化分类器的网络结构并保持较高的识别率。根据该方法分别对MLP和RBF神经网络分类器建立了一个说话人识别系统，并对系统进行了识别测试。实验结果表明，该方法具有上述优点。 本篇论文从以上三方面讨论了说话人识别的理论，最后介绍了系统的实现与实验结果，并对实验结果进行了讨论、比较。

目录

文摘

英文文摘

东南大学学位论文独创性声明及使用授权声明

第一章绪论

1.1引言

1.2说话人识别的基本概念及其分类

1.3说话人识别的基本原理

1.4说话人识别的发展和现状

1.5论文内容安排

第二章语音信号的处理和特征矢量的分析及提取

2.1引言

2.2语音信号的产生原理

2.3语音信号的特征分析

2.4语音信号的时域分析

2.5线性预测编码(LPC)分析

2.6复倒谱和倒谱

2.7 MEL倒谱参数(Mel-Frequency Cepstral Coefficients：MFCC)

2.8特征参数的评价方法

2.9本章小结

第三章说话人识别系统的识别方法

3.1引言

3.2矢量量化方法(Vector Quantization)

3.2.1矢量量化的原理

3.2.2矢量量化器的最佳码本设计

3.2.3矢量量化的LBG算法

3.2.4初始码本的设置及畸变准则的选择

3.3模糊矢量量化(Fuzzy Vector Quantization)

3.4改进的FCM模糊聚类算法(Improve Algorithms of Fuzzy C-mean Clustring)

3.5遗传算法的基本原理[21]

3.6 GAVQ算法[22]

3.6.1基因编码

3.6.2适应度函数选择

3.6.3初始码本的形成

3.6.4遗传操作

3.6.5迭代停止条件

3.6.6算法收敛性讨论

3.7本章小结

第四章人工神经网络在说话人识别中的应用

4.1引言

4.2人工神经网络简介

4.3一种时间规整算法及其在神经网络说话人识别中的应用

4.4多层感知器

4.5径向基函数的组合神经网络

4.5.1径向基函数神经网络(RBF)

4.5.2子网的训练

4.5.3说话人识别网络模型

4.6本章小结

第五章系统实现与实验结果

5.1引言

5.2语音库的建立及语音信号的预处理

5.2.1录音

5.2.2语音库构成

5.2.3数据采集

5.2.4语音信号的预处理

5.3应用矢量量化(VQ)的说话人识别

5.3.1应用VQ的说话人识别过程

5.3.2模糊矢量量化(Fuzzy VQ)的识别

5.3.3 GAVQ的识别

5.3.4 GAVQ与VQ的实验结果说明

5.4应用人工神经网络(ANN)的说话人识别

5.4.1基于MLP的的BP算法的实验与结果

5.4.2基于径向基函数的实验与结果

5.5本章小结

结 论

致 谢

参考文献

研究生期间发表的论文