说话人识别中特征参数的提取及优化研究

论文摘要

说话人识别技术是语音信号处理一个研究热点。特征提取和模式匹配是说话人识别技术的关键,特征选取与优化处理能够提高识别率,本文所做的主要工作如下:一、在语音信号前端处理时,为了提高在强噪声环境下语音端点检测的准确度,提出基于子带二次谱熵的端点检测算法。该算法把子带二次谱熵作为端点检测新的特征参数,将有限状态机判别方法与子带二次谱熵相结合,有效地解决单门限法易出现的两类误判。与传统的短时能量与过零率结合法、谱熵法两种方法相比,基于子带二次谱熵的端点检测算法具有准确性高,抗噪性强等优点。二、提取基音轮廓特征时,分析了现有功率谱二次处理基音检测方法的不足:对于过渡语音,易产生半频或倍频误判;噪声干扰下,检测结果易失真;清、浊音的判断方法复杂。针对不足,提出一系列改进方法:时域非线性处理,频域加窗滤波,简化清、浊音判断。仿真实验结果表明,无论是高信噪比还是低信噪比语音,改进的二次谱法较传统的平均幅度差函数（AMDF）法和二次谱法更能清晰、准确地检测出基音轨迹。三、提出了新的特征组合参数:基于人的听觉特性的Mel频率倒谱系数（MFCC）参数、基于发音生理特征的基音轮廓特征以及衍生的基音周期一阶差分、基音周期变化率作为说话人识别系统的特征参数,实验结果表明,使用该参数较单独使用MFCC参数的说话人识别系统识别率提高了2%-3%。四、为了提高MFCC作为说话人识别特征参数的识别率,提出了基于Fisher比及相关距离的MFCC提取方法,并根据Fisher比及相关距离的值,采用两种方法对MFCC参数分析:降维、窗函数倒谱提升。仿真实验表明:降维方法能使识别率提高10%-15%;新的特征加权的识别率较传统的raised-sine和half raised-sine窗提高了10%-20%。本文主要对说话人识别的特征提取与优化处理进行研究。在识别的前端,使用了较准确的端点处理方法;选取了基音轮廓、MFCC组合特征,并给出了MFCC优化方法。本文的研究工作有助于说话人识别率的提高,有助于特征提取与优化方法的进一步发展。

论文目录

• 内容摘要
• Abstract
• 引言
• 1 绪论
• 1.1 说话人识别基本原理
• 1.2 说话人识别分类
• 1.3 课题研究背景与研究现状
• 1.4 本文内容安排
• 2 说话人识别技术构成
• 2.1 前端处理
• 2.2 特征提取
• 2.3 模式匹配
• 2.4 基于VQ 的说话人识别演示系统
• 2.5 小结
• 3 语音信号端点检测
• 3.1 传统的端点检测法
• 3.2 基于子带二次谱熵的端点检测法
• 3.3 实验与分析
• 3.4 小结
• 4 基于基音轮廓、MFCC 组合特征的说话人辨认
• 4.1 改进的功率谱二次处理基音检测法
• 4.2 基音轮廓特征在说话人辨认系统中应用
• 4.3 实验与分析
• 4.4 小结
• 5 MFCC 特征优化方法研究
• 5.1 传统的MFCC 参数优化法
• 5.2 基于Fisher 比-相关距离准则的MFCC 优化法
• 5.3 实验与分析
• 5.4 小结
• 6 总结与展望
• 参考文献
• 后记
• 附录：攻读硕士学位期间发表的部分学术论著