分数阶傅里叶变换在耳语音说话人识别研究中的应用

摘要

耳语音作为正常音的补充和替代，是人们R常生活中广泛使用的语言交流方式之一。随着社会经济的发展，耳语音在手机通信、金融服务行业、公安司法等领域中发挥着越来越重要的作用。在耳语音说话人识别的实际应用中，大多数参数都是建立在JT常语音特征参数的修i上，其稳健性较差，且易遭受信道的干扰，因此研究一种有效的耳语音特征参数用于说话人识别系统是一个亟待解决的问题。另外，考虑到实际情况下耳语音数据的采集是相当困难的，那么在无法获得充分耳语音训练数据的前提下，如何提高耳语音说话人识别系统的性能也是值得思考的。针对以上问题，本文做了以下几个方面的工作。
　　 一、考虑到语音信号是时变的非平稳信号，因此本文引入了分数阶傅里叶变换(FRFI)作为语音的分析工具，它不仅适于处理非平稳信号，而且多一个参数（阶数），在语音信号处理中取得了很好的效果。
　　 二、根据语音产生过程中的非声学现象，介绍了从共振峰调制角度来描述语音产生的调幅-调频（AM-FM）模型，并详细叙述了基于此模型的Teager能量算子、能量分离算法和多带解调分析理论。
　　 三、利用分数阶傅里叶变换提取耳语音特征参数的关键问题是如何确定最优阶数p来达到处理的最佳效果。本文提出了一种基于瞬时频率分段线性拟合的自适应分数阶傅里叶变换倒谱系数(A-FRCC)。将这个新参数应用于GMM的耳语音说话人识别实验，并和基于步进搜索的分数阶傅罩叶变换倒谱参数（S-FRCC）、瞬时频率估计（IFE）参数进行比较，结果说明新的参数可以观测到更加精细的语音结构，刻画出更具说话人个性的特征，有效地提高了识别率和算法鲁棒性。
　　 四、针对耳语音数据不充分的情况，引入了一个与说话人和信道均无关的通用背景模型(UBM)，在此基础上训练形成GMM-UBM说话人模型。通过实验比较，在较少的训练数据情况下同样可以提高识别率，并且新特征A-FRCC的效果最好。

目录

声明

摘要

第一章 绪论

1.1 研究背景和意义

1.2 研究现状概述

1.2.1 说话人识别研究概述

1.2.2 耳语音说话人识别研究概述

1.3 本文的主要工作

1.4 本文的章节安排

第二章 耳语音的声学特性

2.1 耳语音的发声机理

2.2 耳语音的时/频域分析

2.2.1 耳语音的时域分析

2.2.2 耳语音的频域分析

第三章 分数阶傅里叶变换(FRFT)

3.1 傅里叶变换

3.1.1 连续傅里叶变换

3.1.2 离散傅里叶变换

3.1.3 短时傅里叶变换

3.2 分数阶傅里叶变换(FRFT)

3.2.1 FRFT的发展进程

3.2.2 FRFT的基本定义

3.2.3 FRFT的基本性质

3.2.4 FRFT的数值计算

3.3 FRFT的相关应用

3.3.1 FRFT在LFM信号中的应用

3.3.2 FRFT在语音信号中的应用

第四章 基于FRFT的耳语音特征参数提取

4.1 语音产生的AM-FM模型

4.2 瞬时频率提取算法

4.2.1 Teager能量算子

4.2.2 能量分离算法

4.2.3 应用能量分离算法获得瞬时频率

4.3 多带解调分析

4.3.1 Gabor带通滤波器

4.3.2 Gabor带通滤波器的多带解调实验

4.4 应用FRFT提取A-FRCC特征参数

4.4.1 FRFT阶数搜索算法

4.4.2 A-FRCC的提取步骤

第五章 应用于GMM的耳语音说话人识别系统

5.1 高斯混合模型(GMM)

5.1.1 GMM的基本概念

5.1.2 GMM的参数估计

5.1.3 GMM的识别方法

5.2 基于GMM的耳语音说话人识别实验

5.2.1 实验数据

5.2.2 实验步骤与参数设置

5.2.3 实验结果

5.2.4 实验结果分析

第六章 应用于GMM-UBM的耳语音说话人识别系统

6.1 GMM-UBM说话人模型

6.1.1 通用背景模型(UBM)的描述

6.1.2 说话人模型的自适应

6.2 基于GMM-UBM的耳语音说话人识别实验

6.2.1 实验数据

6.2.2 语音的前端处理

6.2.3 GMM-UBM模型的训练

6.2.4 模型测试

6.2.5 实验结果

6.2.6 实验结果分析

第七章 总结和展望

参考文献

攻读学位期间发表的学术论文

致谢