基于VC++6.0的说话人识别系统的研究

论文摘要

说话人识别是语音识别的一种,它是根据说话人所发的语音,确定出说话人是谁的过程,也就是基于声音这种生物特征作为身份认证依据的识别技术。为此,需要从各个说话人的发音中找出说话人之间的个性差异,它涉及到说话人发音器官上的个性差异、发音声道之间的个性差异、发音习惯之间的个性差异等。本文主要是对说话人识别技术的两个关键部分进行了研究,下面是本文主要做的研究工作:本文设计的说话人识别系统是与文本无关的说话人识别系统。为了较好地提取语音特征参数,首先要获得有效的语音段,本文采用的是基于短时能零差分法的端点检测方法。本文对比了传统的双门限端点检测算法和短时能零差分法的端点检测方法对同一语音端点检测的结果。实验结果发现,短时能零差分法的端点检测方法能够更好的检测到语音起始点和终止点。本文为克服传统的MFCC特征提取算法特征分量之间含有冗余信息（即对识别性能贡献不大的特征分量）的影响,而提出了主分量分析法（PCA）与传统MFCC特征提取法相结合的算法,本算法经PCA降维,特征信息的损失最少,在确保识别性能的同时,后续阶段的计算量将大大减少。并与传统的MFCC特征提取算法进行了实验对比。实验结果表明,本系统识别率高,语音段长度短,容易采集,计算速度快。本文所设计的说话人识别系统是在Windows XP系统的Visual C++6.0开发平台下实现的,Visual C++6.0提供的高度可视化的应用程序开发工具和MFC类库,可使应用程序的开发变得简单。实验结果表明,由于本文采用了短时能零差分法的端点检测算法和主分量分析法（PCA）与传统MFCC特征提结合的特征提取算法,因此本文所建立的说话人识别系统不仅具有一定的识别率,而其计算速度非常快,具有较好的实时处理性能。

论文目录

• 摘要
• ABSTRACT
• 图表目录
• 第1章 绪论
• 1.1 研究意义
• 1.2 基本概念
• 1.3 研究进展与趋势
• 1.4 存在的问题
• 1.5 应用前景
• 1.6 本文的研究工作
• 第2章 说话人识别技术基础与理论
• 2.1 系统结构
• 2.2 特征提取
• 2.2.1 预处理
• 2.2.2 美尔倒谱系数
• 2.3 说话人识别模型
• 2.3.1 模板匹配法
• 2.3.2 概率模型法
• 2.3.3 支持向量机
• 2.3.4 人工神经网络
• 2.4 本章小结
• 第3章 说话人识别端点检测及其改进
• 3.1 语音端点检测的意义
• 3.2 端点检测的基本原理
• 3.3 语音信号的时域分析
• 3.3.1 短时能量和短时平均幅度分析
• 3.3.2 短时过零率分析
• 3.4 传统双门限端点检测算法
• 3.5 基于短时能零差分法的端点检测算法
• 3.5.1 短时能零差分法的原理依据
• 3.5.2 短时能零差分法的实现步骤
• 3.5.3 对短时能零差分法的分析
• 3.6 实验结论
• 3.7 本章小结
• 第4章 说话人识别特征提取算法的改进
• 4.1 常用特征参数
• 4.1.1 线性预测倒谱系数
• 4.1.2 Mel 频率倒谱系数（MFCC）
• 4.1.3 其他特征参数
• 4.2 传统MFCC 特征提取算法
• 4.2.1 Mel 频率
• 4.2.2 Mel 频率倒谱系数的求取
• 4.3 传统MFCC 和主分量分析 （PCA） 法相结合的特征提取算法
• 4.4 实验及结论
• 4.5 本章小结
• 第5章 说话人识别系统的建立
• 5.1 高斯混合模型 （GMM） 的建立
• 5.1.1 GMM 模型定义
• 5.1.2 GMM 模型的初始化
• 5.1.3 得分识别模型
• 5.1.4 GMM 的识别算法
• 5.2 系统介绍
• 5.2.1 系统结构介绍
• 5.2.2 系统界面介绍
• 5.3 本章小结
• 第6章 结论
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文及参加科研情况