与文本无关的说话人识别的关键技术研究

论文摘要

本文主要对与文本无关的说话人识别的基本原理和相关算法进行了深入的分析和研究。在端点检测中,对几种常用的检测算法进行了分析和研究,针对单个参数用于端点检测所存在的问题,本文将短时能量和Renyi熵的结合能量-Renyi熵（ERE）参数用于端点检测,取得了较好的效果。在语音增强中,重点分析和研究了β?order自适应谱减法。在此基础上,本文采用谱增益迭代的方式来进一步逼近真实语音谱,并将该算法应用到近几年发展起来的CMSBS参数提取过程中的输出子带能量增强,取得了很好的效果。在识别模型方面,在对GMM基本原理和相关算法分析的基础上,重点研究了GMM参数估计算法-SGML算法。该算法通过自分裂的方式寻找最佳的模型混合度,而且能够在分裂过程中不断提高参数估计精度,很好地解决了使用EM算法估计参数时面临的模型混合度较难选取和对初始值较为敏感的问题。通过对上述算法的深入分析,在VC平台上对其性能进行了验证。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景和意义
• 1.2 说话人识别技术发展概述
• 1.3 与文本无关的说话人识别
• 1.4 研究重点及难点
• 1.5 论文的主要工作内容及安排
• 第二章 语音信号的预处理
• 2.1 预加重
• 2.2 分帧加窗
• 2.3 端点检测
• 2.3.1 基于短时能量和过零率的双门限端点检测算法
• 2.3.2 基于信息熵的端点检测算法
• 2.3.3 基于能量-Renyi熵参数的端点检测
• 2.3.4 实验及讨论
• 2.4 语音信号的增强
• 2.4.1 语音增强方法简述
• 2.4.2 噪声参数的估计
• 2.4.3 信噪比的估计
• 2.4.4 谱减法
• 2.4.5 基于谱增益迭代的β? order 自适应谱减法
• 2.4.6 实验及讨论
• 第三章 语音特征参数
• 3.1 线性预测系数LPC及其倒谱
• 3.1.1 LPC参数的原理及提取
• 3.1.2 LPCC参数原理及提取
• 3.2 MFCC及其衍生参数
• 3.2.1 MFCC参数的原理及提取
• 3.2.2 CMSBS参数的原理及提取
• 3.3 特征参数组合结构
• 3.4 实验及讨论
• 第四章 说话人识别模型
• 4.1 说话人识方法概述
• 4.2 基于GMM的说话人识别系统
• 4.2.1 高斯混合模型（GMM）描述
• 4.2.2 GMM参数的EM估计算法
• 4.2.3 GMM混合度及参数的初始化
• 4.2.4 SGML算法
• 4.3 说话人识别系统中确认阈值的选取
• 4.4 实验及讨论
• 第五章 总结和展望
• 致谢
• 参考文献