基于MFCC和GMM的说话人识别系统研究

论文摘要

说话人识别作为生物认证技术的一种,是根据应用语音波形中反映说话人生理和行为特征语音参数,自动鉴别说话人身份的一种技术。与其它生物识别技术相比,说话人识别具有更为简便,经济及可扩展性良好等众多优势,可广泛应用于电话银行,数据库访问,计算机远程登录,安全验证,控制等领域。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。在众多的说话人识别技术中,本文主要研究了基于Mel频率倒谱系数（Mel-Frequency Cepstrum Coefficients,简称MFCC）和高斯混合模型（Gaussian Mixture Model,简称为GMM）的说话人识别系统。 人的声道响应是反映说话人个性特征的重要的物理量。而语音信号中声道响应是和声门激励信息卷积在一起的。为了从语音信号中得到声道响应就必须对语音信号实现解卷积。本文介绍了对语音信号实现解卷积求取倒谱系数的两种方法:线性预测分析和同态分析处理。通过对语音信号进行解卷,从而获得与声道响应有关的倒谱系数,组成特征向量。 现实生活中人耳是一个比较好的说话人识别系统,而人耳对声音频率的感知却不是线性的。本文通过对人耳听觉的生理和心理特性的分析介绍,提出了利用音调特性来进行倒谱特征提取的方案,即用MEL频率对短时功率谱做频率弯折处理。在这种新的倒谱提取过程中,用符合临界带分布的等效滤波器组来模拟人耳听觉的非线性特性,从而得到了Mel频率倒谱系数（MFCC）。文中详细介绍了提取MFCC倒谱系数的理论基础和实现方案,并与传统的线性预测技术作了比较,实验结果表明这种改进后的倒谱特征提取方法比较有效。 说话人识别中有许多先进有效的识别技术,其中高斯混合模型（GMM）由于性能较好、复杂度小、方法简单,是目前最好的说话人识别算法之一。本文介绍了GMM模型的概念、模型参数的估计以及GMM的识别算法,并通过实验研究分析了GMM模型的阶数对识别性能的影响。 另外,本文还介绍了倒谱系数的动态特征,从MFCC对时间的一阶导数得到了反映倒谱动态特性的ΔMFCC。通过实验验证了动态特征（ΔMFCC）中的确含有有用的说话人个性信息。在原来MFCC倒谱系数的基础上加入ΔMFCC构成更高维的特征向量,并通过实验验证了这种组合特征对提高系统识别性能的有效性。

论文目录

• 第一章 绪论
• 1.1 研究背景和现状
• 1.2 说话人识别概述
• 1.2.1 说话人识别的概念
• 1.2.2 说话人识别的分类
• 1.2.3 说话人识别的基本原理和系统结构
• 1.3 说话人识别的主要技术
• 1.3.1 特征提取
• 1.3.1.1 特征提取的原则
• 1.3.1.2 常用的特征参量
• 1.3.1.3 特征参量的评价方法
• 1.3.2 模式匹配
• 1.4 说话人识别系统性能的评价标准
• 1.5 说话人识别技术的应用前景
• 1.6 说话人识别目前研究的难点和热点
• 1.6.1 说话人识别研究的难点
• 1.6.2 目前说话人识别研究的热点
• 1.7 本文的主要工作
• 1.8 论文的结构安排
• 第二章 语音信号的倒谱分析
• 2.1 线性预测分析
• 2.1.1 线性预测的基本原理
• 2.1.2 线性预测系数的求解
• 2.1.3 线性预测倒谱系数（LPCC）
• 2.2 同态分析处理
• 2.2.1 同态信号处理的原理
• 2.2.2 复倒谱和倒谱
• 2.2.3 复倒谱和倒谱的关系
• 2.2.4 倒谱在语音信号解卷积中的应用
• 2.3 本章小结
• 第三章 MFCC倒谱系数及其提取算法
• 3.1 人的听觉系统和语音的感知
• 3.1.1 听觉系统的生理机制
• 3.1.2 听觉特性
• 3.1.3 听觉的EIH模型
• 3.2 Mel频率简介
• 3.3 美尔倒谱系数MFCC及其提取算法
• 3.3.1 求取MFCC系数的具体算法和步骤
• 3.3.2 MFCC中加入能量信息和动态参数
• 3.3.2.1 短时归一化能量
• 3.3.2.2 动态参数
• 3.4 本章小结
• 第四章 高斯混合模型
• 4.1 GMM模型的基本概念
• 4.2 GMM模型的参数估计
• 4.3 GMM模型的识别算法
• 4.4 本章小结
• 第五章 基于MFCC和GMM的说话人辨识系统的实验和分析
• 5.1 实验的软硬件环境
• 5.2 实验的方案设计
• 5.2.1 实验用的语音库
• 5.2.2 实验的模块框图和具体参数
• 5.3 实验结果和分析
• 5.3.1 系统基本性能的研究
• 5.3.2 去掉前两维特征分量的MFCC的识别率
• 5.3.3 含能量信息的MFCC识别实验
• 5.3.4 加入动态参数的MFCC的识别实验
• 第六章 总结与展望
• 参考文献
• 发表论文
• 致谢