论文摘要
小波变换的发展为语音信号提供了新的处理方法与技术,从而使语音处理技术取得了较快的发展。说话人识别提取说话人的语音特征对说话人的身份进行确认或辨认。语音识别研究领域的一个重要研究方向,就是从语音信号中有效地提取个人特征信息进行说话人身份的识别。在说话人识别系统中,最重要的是能够从语音片断中提取代表说话人独有特征的稳定参数。基于短时傅立叶变换的常规特征参数构造表现出了很多不足,它是在短时平稳假定的基础上获取时频局部化信息,时频分辨率是固有的,其缺陷不能很好的处理语音信号这种非平稳信号。针对短时傅立叶分析的缺陷,本文通过对小波理论和说话人识别技术的研究,在学习传统的基于听觉机理的特征参数MFCC(Mel频域倒谱系数)的基础上,加上小波变换、小波包变换和小波多分辨分析,构造出了基于小波变换的说话人识别特征参数:WPTCC(小波包变换系数)。利用在Matlab平台上仿真软件构建的说话人识别系统,进行实验证明。理论和实验分析的结果可以说明利用小波变换提取的说话人识别特征参数取得了一定效果,相比于传统的分析方法确实具有更好的识别特性。语音识别率的提高需要对语音信号进行预处理,本文也利用小波变换的知识对待识别的说话人语音进行降噪处理和端点检测,以保证提取特征参数时的准确。针对小波分析的特点,小波分解预处理后,跳过信号重构,直接将分解分量进入以下一步处理,简化过程提高精度。
论文目录
摘要Abstract第一章 绪论1.1 小波分析理论回顾1.2 说话人识别的概念1.3 说话人识别技术与信息安全1.4 小波变换在说话人识别上的优点1.5 论文结构安排第二章 说话人识别技术分析2.1 说话人识别技术原理2.2 说话人识别的方法2.3 Mel 频率倒谱系数2.4 本章小结第三章 小波理论分析3.1 从Fourier 变换到小波变换3.1.1 Fourier 变换分析3.1.2 短时Fourier 变换分析3.2 小波变换的基本特点分析3.2.1 小波函数3.2.2 常用小波函数介绍及实验应用3.2.3 小波分析与傅里叶变换的比较3.3 多分辨分析3.4 小波包变换3.5 Matlab 中小波分析工具箱中的部分常用函数3.6 本章小结第四章 基于小波分析的说话人声音预处理研究4.1 小波变换在语音信号降噪上的应用4.1.1 小波消噪的步骤4.1.2 噪声在小波分解下的特性4.1.3 应用一维小波分析进行信号消噪处理4.2 小波分析方法断点检测用于说话人原始语音的处理4.2.1 语音信号的端点检测4.2.2 小波分析在幅度突变信号检测中的应用4.2.3 小波分析用于说话人语音端点检查4.3 本章小结第五章 基于小波包变换的说话人新特征参数研究5.1 基于小波变换的新参数5.1.1 新参数的提出5.1.2 小波变换与MFCC 参数结合参数的算法构思5.2 新特征参数的应用5.3 小波基函数的选择5.4 本章小结第六章 识别结果及性能评价6.1 实验设计情况6.2 小波分析实验目的6.3 小波分析实验过程6.4 实验结果第七章 总结和展望7.1 论文主要内容及研究工作7.2 下一步工作展望致谢参考文献研究成果
相关论文文献
标签:小波变换论文; 小波包论文; 说话人识别论文;