基于矢量量化和高斯混合模型的说话人识别技术研究

论文摘要

说话人识别是生物识别的一个分支,正以其独特的方便性、经济性和准确性等优势受到世人瞩目,是当前安全认证系统研究和发展的必然趋势。本文就小规模文本无关说话人识别的理论和技术进行了系统的研究。分别在语音库建立、语音去噪、端点检测、特征提取及识别方法等5个方面取得了较有成效的进展。建立了一个基于说话人识别的小型语音库,完成了20个人的语音样本采集工作,为算法测试奠定了物质基础。针对基于软阈值的多尺度小波去噪方法对清音的功率谱破坏较大,不利于保持语音完整性的缺点,提出了分段小波去噪方法,较完整的保留了清音的功率谱,同时充分利用了基于软阈值的多尺度小波去噪方法的去噪能力。对分形维数在端点检测中的应用进行了研究,研究表明和短时能量、短时过零率相比,分形维数具有更好的鲁棒性,适用于低信噪比环境。比较和分析了现有说话人识别特征,表明梅尔倒谱系数在单独使用时优势明显,梅尔倒谱系数及其二阶差分系数的组合具有更好的区分能力。提出了一种基于语音频谱的准基音频率,该特征依赖于浊音的谱特性,和基音频率相比具有较好的抗噪声、抗长时变动的能力。在不改变空间复杂度,不明显增加时间复杂度的前提下,利用语音无精确类别的特性,将粗糙集引入矢量量化中,降低了噪声的干扰能力。利用各语音段被噪声干扰的程度不同,提出了一种自适应补偿的高斯混合模型法,在一定信噪比范围内提高了系统的识别性能。本文用MATLAB建立了文本无关说话人识别的实验平台,实验结果表明改进算法的整体性能要优于传统算法,其中采用分形端点检测,小波去噪,MFCC特征和基于粗糙集的矢量量化方法的性能较好,在20dB信噪比下,识别率可达到98.03%。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 研究现状
• 1.2.1 说话人识别实用化进程
• 1.2.2 说话人识别关键技术
• 1.2.3 重点及难点
• 1.3 论文工作及组织结构
• 第二章 说话人识别原理
• 2.1 语音物理基础
• 2.2 说话人识别结构
• 2.3 说话人识别理论基础
• 2.3.1 特征提取
• 2.3.2 模式识别
• 第三章 预处理与特征提取
• 3.1 预处理
• 3.1.1 语音去噪
• 3.1.2 端点检测
• 3.2 特征参数提取
• 3.2.1 特征评价方法
• 3.2.2 常用特征性能分析
• 3.2.3 准基音频率
• 第四章 模式库建立与模式识别
• 4.1 基于粗糙集的矢量量化
• 4.1.1 粗糙集理论
• 4.1.2 基于粗糙集的聚类算法
• 4.2 基于自适应补偿的高斯混合模型
• 4.2.1 自适应补偿基础
• 4.2.2 自适应补偿算法原理
• 4.2.3 自适应补偿法性能分析
• 第五章 算法实现与实验结果
• 5.1 语音库建立及信号预处理
• 5.1.1 语音库建立
• 5.1.2 预加重
• 5.1.3 信号加窗
• 5.1.4 语音去噪
• 5.1.5 端点检测
• 5.2 综合性能测试
• 5.2.1 基于粗糙集的矢量量化
• 5.2.2 基于自适应补偿的高斯混合模型
• 第六章 结论
• 参考文献
• 致谢
• 攻读学位期间主要的研究成果