基于文本无关的说话人识别技术研究

论文摘要

本文的工作是围绕构建一个文本无关的说话人识别系统展开的。主要研究语音的预处理、特征提取、说话人模型建立以及判决策略。并实现了基于矢量量化(VectorQuantization,VQ)和高斯混合模型(Gaussian Mixture Model,GMM)的说话人识别系统。本文的工作主要有以下几方面:在语音信号预处理方面,对语音信号进行8kHz的采样,16bit量化,然后进行预加重、分帧处理、加汉明窗。在特征提取方面,本文提取了语音信号的线性预测系数(LPC)、线性预测倒谱系数(LPCC)和Mel频率倒谱系数(MFCC),并在GMM系统下比较它们的优劣,实验结果表明:MFCC最优,LPCC次之,LPC最差。在识别模型方面,本文主要介绍VQ模型、隐马尔可夫模型(Hidden Markov Model,HMM)和GMM模型。并对VQ和GMM进行了测试,分别进行了说话人辨认和说话人确认实验。实验结果表明:无论是说话人辨认还是说话人确认,GMM模型的识别性能要优于VQ。针对GMM模型进行着重研究,研究了高斯混合模型的阶数对系统识别率的影响,分析了阶数过大或过小对系统的负面影响,并结合实际情况进行了选择;提出在EM算法的迭代过程中设置协方差阈值,并对不同阈值条件下的识别率进行实验对比,证明了将协方差阈值设置为0.1的普遍性和可行性;针对一般初始化参数方法提出了分裂法和k均值聚类相结合的方法,实验证明改进后的方法能有效提高识别率。最后对本文工作进行了总结,同时对未来的研究工作进行了展望。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 背景及意义
• 1.2 应用领域
• 1.3 说话人识别技术的发展与现状
• 1.4 说话人识别技术研究重点及难点
• 1.5 研究工作概述与安排
• 1.5.1 工作内容
• 1.5.2 论文的组织结构
• 2 说话人识别的基本理论
• 2.1 引言
• 2.2 说话人识别的分类
• 2.3 说话人识别原理与系统结构
• 2.4 说话人识别中的识别方法
• 2.4.1 模板匹配法
• 2.4.2 统计概率模型法
• 2.4.3 人工神经网络
• 2.4.4 支持向量机
• 2.5 性能评价
• 2.6 WAV声音文件格式剖析
• 2.6.1 RIFF文件与WAV文件
• 2.6.2 WAV文件头
• 2.7 小结
• 3 语音信号预处理及相关技术
• 3.1 引言
• 3.2 语音信号的数字化
• 3.3 预加重
• 3.4 分帧
• 3.5 加窗
• 3.6 语音信号的时域分析
• 3.6.1 短时能量
• 3.6.2 短时平均过零率
• 3.6.3 短时自相关函数
• 3.7 端点检测
• 3.7.1 其于短时能量或短时平均幅度的检测方法
• 3.7.2 其于短时能量和短时平均过零率的检测方法
• 3.7.3 频带方差检测法
• 3.8 小结
• 4 语音信号的特征参数提取
• 4.1 引言
• 4.2 语音信号的线性预测分析
• 4.2.1 线性预测的基本原理
• 4.3 线性预测系数的求取
• 4.3.1 自相关法
• 4.3.2 LPC模型阶数的确定
• 4.4 线性预测倒谱系数的求取
• 4.5 MFCC参数原理与提取
• 4.5.1 MFCC参数的提取过程
• 4.5.2 MFCC参数的优点
• 4.6 小结
• 5 说话人识别的模型
• 5.1 引言
• 5.2 矢量量化方法
• 5.2.1 矢量量化的基本原理
• 5.2.2 矢量量化的关键问题
• 5.2.3 矢量的失真描述
• 5.2.4 VQ在说话人识别中的应用
• 5.2.5 矢量量化中的码本设计
• 5.3 隐马尔可夫模型方法
• 5.3.1 HMM基本思想
• 5.3.2 HMM定义
• 5.3.3 HMM的结构
• 5.3.4 HMM的类型
• 5.3.5 HMM的三个基本问题
• 5.3.6 HMM在说话人识别中的应用
• 5.4 高斯混合模型方法
• 5.4.1 GMM基本概念
• 5.4.2 GMM的训练
• 5.4.3 GMM的识别算法
• 5.4.4 GMM在说话人识别中的应用
• 5.5 小结
• 6 说话人识别系统的实现和实验数据
• 6.1 引言
• 6.2 说话人识别系统说明
• 6.2.1 系统开发和运行环境
• 6.2.2 系统主要功能介绍
• 6.2.3 系统模块介绍
• 6.3 基于GMM模型的说话人识别系统的性能研究
• 6.3.1 语音信号的预处理
• 6.3.2 数据采集
• 6.3.3 语音库构成
• 6.3.4 说话人辨认实验结果与分析
• 6.3.5 说话人确认实验结果与分析
• 6.4 基于VQ的说话人识别系统的性能研究
• 6.4.1 说话人辨认实验结果与分析
• 7 总结与展望
• 7.1 本文工作总结
• 7.2 展望
• 致谢
• 参考文献