说话人识别算法研究与说话人辨认系统实现

论文摘要

说话人识别是最自然的生物特征身份鉴定方式,可分为说话人辨认和说话人确认。说话人识别根据包含在语音信号中的个性特征来自动识别说话人,其关键问题是特征参数选择与识别模型建立。目前,说话人识别的常用特征参数有线性预测编码（LPC）参数、LPC倒谱（LPCC）和美尔倒谱系数（MFCC）等,常用的识别模型有动态时间规整（DTW）、矢量量化（VQ）、隐马尔可夫模型（HMM）等。LPCC反映了说话人声道生理结构的差异,而MFCC则利用了听觉频率非线性特性,反映了人对语音的感知特性。希尔伯特-黄变换（HHT）自1998年提出,由于其处理时变、非稳态系统信号的较强的自适应能力,已得到了较广泛的关注和获得了许多成功的应用,目前也是语音信号处理的最新研究手段。这些特征参数各有其优势,但单独都不能充分描述说话人的个性特征,一般主要包含语义信息,也可能包含说话人的某些特征,综合利用方可使系统性能可靠。有鉴于此,在说话人识别系统中首先分别使用LPCC、MFCC和HHT提取出的参数作为特征参数,然后将MFCC与基于HHT提取出的特征参数有机地构成混合参数。本文采用Matlab工具试验比较了LPCC、MFCC、基于HHT提取出的特征参数、混合参数分别与DTW、DHMM（离散马尔可夫模型）、GMM（高斯混合模型）相结合的识别效果。接着,测试了GMM中高斯分量的选择对识别性能的影响。实验结果显示,对于说话人辨认,基于HHT提取出的特征参数有较好的识别率,基于混合参数和GMM相结合的识别率高于基于混合参数和DTW或DHMM相结合的识别率,并且混合参数明显优于单一的参数的性能。试验证明了基于HHT提取出的特征参数作为一种新的特征参数可以应用于说话人识别,将其与MFCC参数相结合构成混合参数,既利用MFCC能够较好地描述动态时间序列又利用HHT频率分辨能力强的特点,将该混合参数应用于说话人辨认系统,提高了系统的性能。对于说话人辨认系统,识别模型选择GMM,系统的识别性能是最优的,即识别率最好,训练时间较短。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 说话人识别概述
• 1.1.1 说话人识别的基本概念及原理
• 1.1.2 研究目的及意义
• 1.2 说话人识别的历史及国内外研究现状
• 1.3 说话人识别的主要应用及前景
• 1.4 说话人识别的研究方法
• 1.5 本文的主要工作
• 第2章 语音信号的Hilbert-Huang 变换
• 2.1 Hilbert-Huang 变换的基本原理和方法
• 2.1.1 经验模态分解（EMD）分解
• 2.1.2 希尔伯特（Hilbert）变换
• 2.2 语音信号的Hilbert-Huang 变换
• 2.3 基于HHT 的语音特征参数的优缺点
• 2.4 本章小结
• 第3章 语音信号的预处理与特征提取
• 3.1 语音信号的预处理
• 3.1.1 端点检测
• 3.1.2 预加重
• 3.1.3 分帧和加窗
• 3.2 特征提取
• 3.2.1 LPCC 系数及其差分参数提取
• 3.2.2 MFCC 系数及其差分参数提取
• 3.2.3 基于HHT 变换的特征系数提取
• 3.2.4 特征参数的比较
• 3.3 本章小节
• 第4章 说话人识别模型
• 4.1 说话人识别的主要方法
• 4.2 DTW 模型
• 4.2.1 DTW 的基本概念
• 4.2.2 DTW 模型的识别算法
• 4.2.3 DTW 的优缺点
• 4.3 HMM 模型
• 4.3.1 HMM 的基本概念及原理
• 4.3.2 HMM 模型的识别算法
• 4.3.3 HMM 的优缺点
• 4.4 GMM 模型
• 4.4.1 GMM 的基本概念
• 4.4.2 GMM 模型的识别算法
• 4.4.3 GMM 的优缺点
• 4.5 本章小结
• 第5章 说话人辨认系统设计与实现
• 5.1 语音数据库
• 5.2 说话人辨认系统的实现
• 5.3 实验数据分析及性能评价
• 5.4 本章小结
• 第6章 结论与展望
• 6.1 结论
• 6.2 课题展望
• 参考文献
• 攻读硕士期间发表的论文目录
• 致谢