基于文本无关的说话人识别研究

论文摘要

说话人识别始于20世纪30年代,从20世纪70年代开始日益成为国际上的一个研究热点。说话人识别具有广泛的应用前景,如:说话人核对、司法取证、医学应用、声控电子密码锁等领域。正因为说话人识别具有如此广阔的应用前景,国内外许多研究机构和研究者长期从事于这一领域的研究,推动了说话人识别技术的发展,但它还未成熟。本文重点研究了与文本无关的说话人识别技术。首先,详细讨论了说话人识别系统的基本原理,接着介绍了语音信号产生的数学模型、语音信号的数字化及预处理,内容涉及语音信号的加窗分帧、预加重滤波、端点检测;重点讨论了传统的双门限比较法的端点检测,并给出了一种改进的端点检测方法:基于ICA增强和谱熵结合的端点检测;重点分析了当前最常用的语音特征参数:基于听觉模型的美尔倒谱系数MFCC的提取方法。其次,着重讨论了说话人识别中常用的两种识别方法:基于VQ的说话人识别方法和基于GMM的说话人识别方法。详细讨论了VQ的基本原理、失真测度、最佳码本设计以及介绍了基于FVQ的说话人识别方法,实验结果表明基于FVQ的识别率较基于VQ的识别率提高了近十个百分点;接着介绍了GMM的基本概念、模型参数的估计算法以及说话人识别算法的实现,通过实验确定了识别的最佳混合数M。通过不同长度的训练语音进行仿真实验,得出在实验条件相同的情况下,基于GMM的说话人识别识别率较好。最后对本文的工作进行了总结,同时对未来的研究工作进行了展望。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 说话人识别研究背景
• 1.2 说话人识别的国内外研究现状
• 1.3 说话人识别的基本原理
• 1.3.1 说话人识别的基本概念
• 1.3.2 说话人识别的分类
• 1.3.3 说话人识别的常用方法
• 1.4 说话人识别技术的应用前景
• 1.5 说话人识别的难点和热点
• 1.5.1 说话人识别的难点
• 1.5.2 说话人识别的热点
• 1.6 论文的内容安排
• 第二章 语音信号的初步处理
• 2.1 语音信号的获取
• 2.1.1 语音的产生
• 2.1.2 语音信号的A/ D 转换
• 2.2 语音信号的产生模型
• 2.2.1 激励模型
• 2.2.2 声道模型
• 2.2.3 辐射模型
• 2.3 语音信号的预处理
• 2.3.1 预加重
• 2.3.2 加窗分帧
• 2.4 语音信号的时域分析
• 2.4.1 短时平均能量和短时平均幅度
• 2.4.2 短时平均过零率
• 2.4.3 短时自相关函数
• 2.4.4 短时平均幅度差函数
• 2.5 语音信号的端点检测
• 2.5.1 基于双门限比较法的端点检测
• 2.5.2 基于独立分量分析增强和谱熵结合的端点检测
• 2.6 语音信号的频域分析
• 2.7 MEL 频率倒谱系数MFCC
• 2.8 本章小结
• 第三章 矢量量化（VQ）识别方法及其优化
• 3.1 矢量量化的基本原理
• 3.2 矢量量化的失真测度
• 3.3 矢量量化器的最佳码本设计
• 3.3.1 LBG 算法
• 3.3.2 初始码本的设置方法
• 3.4 模糊矢量量化（Fuzzy VQ ）
• 3.5 本章小结
• 第四章 基于高斯混合模型的说话人辨认方法
• 4.1 高斯混合模型的基本概念
• 4.2 高斯混合模型（GMM ）的参数估计
• 4.3 高斯混合模型（GMM ）的识别算法
• 4.4 本章小结
• 第五章 仿真与性能分析
• 5.1 软硬件环境
• 5.2 实验使用的语音库
• 5.3 实验一：基于矢量量化的说话人识别
• 5.3.1 基于VQ 的说话人识别
• 5.3.2 基于FVQ 的说话人识别
• 5.4 实验二:基于GMM 模型的说话人识别
• 5.4.1 基于高斯混合模型的与文本无关的说话人识别
• 5.4.2 GMM 实验
• 5.5 本章小结
• 第六章 总结与展望
• 参考文献
• 攻读硕士学位期间发表的论文
• 致谢