说话人识别系统中语音特征参数提取方法的研究

摘要

说话人识别指的是根据说话人所发语音，确定出说话人是谁的过程，也就是基于声音这种生物特征作为身份认证依据的识别技术。为此，需要从各个说话人的发音中找出说话人之间的个性差异，它涉及到说话人发音器官上的个性差异、发音声道之间的个性差异、发音习惯之间的个性差异等。 本文设计的系统是文本相关的说话人辨认系统。为了较好地提取语音特征参数，首先要获得去噪后的干净语音信号，在本文中采用的是小波去噪的方法去除语音信号中的环境噪声。为了得到有效的语音段，本文采用能频值来检测语音信号的端点。并且为了体现能频值端点检测算法的优越性，本文对比了传统的双门限端点检测算法和能频值端点检测算法对同一语音端点检测的效果。实验结果发现，能频值端点检测算法能够更好的检测到语音起始点和终止点，只需要调节一个相对阈值就能很好地确定语音端点，优点非常明显。 本文采用线性预测倒谱系数、美尔倒谱系数和基音周期并通过对它们进行加权、微分、组合和过滤操作获得三维特征参数的策略，进一步挖掘语音特征参数背后的隐性特征，并对比了传统特征参数的单维提取与三维提取的实验结果。实验结果表明三维参数提取有效的提高了系统的识别性能。识别算法采用隐马尔可夫模型来匹配模板。实验结果表明，本系统识别率高，语音段长度短，容易采集，计算速度快。 在安全级别要求较高的场合采用文本相关说话人识别系统，不仅能识别口令或密码，而且保证了系统的安全性能。

目录

文摘

英文文摘

声明

1绪论

1.1身份认证

1.2生物认证技术

1.3说话人识别

1.3.1计算机语音技术概述

1.3.2语音识别分类

1.3.3说话人识别

1.3.4说话人识别的技术难点

1.4本论文研究的内容

2语音信号预处理

2.1语音信号获取

2.2语音信号的数学模型

2.2.1激励模型

2.2.2声道模型

2.2.3共振峰模型

2.2.4辐射模型

2.3语音信号预加重

2.4语音信号的时域分析

2.4.1短时能量和短时平均幅度

2.4.2短时过零分析

2.4.3短时基音周期估计

2.5语音端点检测

2.5.1短时能量

2.5.2短时平均过零率

2.5.3本文采用的端点检测算法

2.5.4传统双门限端点检测算法

2.5.5两种端点检测算法的比较

3语音信号特征选择

3.1说话人识别常用的特征

3.2线性预测系数

3.2.1线性预测的基本原理

3.2.2线性预测系数模型阶数的确定

3.3线性预测倒谱系数

3.3.1同态处理基本原理

3.3.2复倒谱和倒谱

3.3.3线性预测倒谱

3.4美尔频率倒谱系数

3.4.1美尔频率倒谱系数的提取

3.4.2倒谱提升窗口

3.4.3美尔频率倒谱系数分量的选择

3.5本文采用的语音特征参数提取算法

3.5.1特征加权

3.5.2特征微分

3.5.3特征组合

3.5.4特征过滤

3.5.5线性预测倒谱系数的计算流程

3.5.6美尔频率倒谱系数的计算流程

3.5.7实验

4说话人识别的方法

4.1说话人识别的基本方法及其分类

4.2基于模板模型的方法

4.2.1模板模型

4.2.2矢量量化模型

4.3基于随机模型的方法

4.3.1混合高斯模型

4.3.2隐马尔可夫模型

4.4基于人工神经网络的方法

4.5基于支持向量机的方法

4.6基于动态时间归整的方法

5说话人识别系统的实现

5.1文本相关说话人辨认系统的实现

5.1.1比例因子

5.1.2说话人识别系统的性能评价

5.1.3识别方法

5.1.4基于HMM的说话人建模

5.2系统介绍

5.2.1系统模块描述

5.2.2界面介绍

5.2.3模型训练

5.2.4识别流程

6结论

参考文献

在学研究成果

致 谢