基于D-S证据理论的说话人识别决策融合的研究

摘要

说话人识别作为生物认证技术的一种，是一项根据语音波形中反映说话人生理和行为特征的语音参数，自动鉴别说话人身份的技术。说话人识别技术以其独特的方便性、经济性和准确性等优势受到世人瞩目，并日益成为人们日常生活和工作中重要且普及的安全验证方式。 在说话人识别系统中，如何提高反映说话人个性的语音信号特征参数的有效性和实时性是关键问题之一。本论文以作者攻读硕士学位期间承担课题的工作为基础，提出一种基于D-S证据理论进行数据决策级融合的说话人识别方法。本文的工作主要集中在以下几个方面： 一、线性预测倒谱系数和Mel倒谱系数是最常用的说话人识别特征。本文提出了一种基于Dempster-Shafer证据理论的说话人识别方法，通过不同说话人特征的模型输出，用D-S证据理论对线性预测倒谱系数和Mel倒谱系数进行数据融合，得到基本概率赋值，并依次得出证据的置信度，从而达到识别说话人身份的目的。 二、与基于加权平均和投票表决的数据融合方法进行比较。通过实验证明有助于识别率的提高。 三、在VC++6.0平台上实现了一个不依赖文本的说话人辨识系统，对上述各种方法进行了实验对比，对实验结果进行了较为详尽的分析，验证了文中所提出的理论和方法的有效性。

目录

文摘

英文文摘

声明

第一章绪论

1.1课题来源

1.2课题研究的目的和意义

1.3国内外研究概况

1.3.1国外研究概况

1.3.2国内研究概况

1.4论文的主要研究内容

第二章说话人识别系统概述

2.1说话人识别系统的基本概念

2.1.1说话人识别系统的分类

2.1.2说话人识别系统的原理框图

2.2说话人识别的方法与步骤

2.2.1语音信号的获取

2.2.2特征选择和提取

2.2.3模式匹配

2.2.4分类与决策理论

2.3系统性能评价所涉及的因素

2.4本章小结

第三章数据融合的原理及理论方法

3.1数据融合的定义

3.2数据融合技术研究的历史与现状

3.3数据融合的基本原理

3.4数据融合过程

3.5数据融合的关键技术

3.6数据融合系统功能的通用模型

3.7数据融合的结构级别

3.7.1数据级融合

3.7.2特征级融合

3.7.3决策级融合

3.8数据融合的方法

3.9数据融合的主要结构

3.9.1数据融合的体系结构

3.9.2状态估计

3.9.3身份估计

3.9.4态势评估和威胁评估

3.9.5传感器管理

3.10数据融合的应用领域

3.11本章小结

第四章数据融合中决策级融合的方法

4.1多传感器数据融合算法的分类

4.2 Bayes推理

4.2.1 Bayes推理的基本原理

4.2.2信息融合中的Bayes推理

4.3 D-S证据理论

4.3.1 D-S证据理论简介

4.3.2 D-S证据理论的基本概念

4.3.3 D-S证据理论合成法则

4.3.4信息融合中的D-S证据理论

4.3.5 D-S证据理论的决策规则

4.4加权平均融合算法

4.4.1权的概念与权数(w)的确定

4.4.2加权平均算法模型

4.5投票表决法

4.6本章小结

第五章D—S证据理论及其他融合方法在说话人识别系统中的应用

5.1说话人识别系统的数据的获取及识别过程

5.2基于D-S证据理论的说话人识别系统

5.2.1基于D-S证据理论的说话人识别系统的流程图

5.2.2 D-S证据理论融合的基本概率赋值问题

5.2.3最终决策

5.3基于加权平均融合的说话人识别系统

5.3.1基于加权平均融合的说话人识别系统的流程图

5.3.2加权平均的融合过程

5.4基于投票表决法的说话人识别系统

5.4.1基于加权平均融合的说话人识别系统的流程图

5.4.2投票表决法的融合过程

5.5本章小结

第六章实验的实现和结果分析

6.1实验组成

6.2实验环境

6.2.1硬件环境

6.2.2软件环境

6.2.3语音库

6.3实验结果

第七章结论和展望

7.1本文结论

7.2展望

参考文献

作者在攻读硕士学位期间公开发表的论文

作者在攻读硕士学位期间所作的项目

致 谢