基于小波变换的说话人识别应用研究

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