说话人识别算法研究

论文题目: 说话人识别算法研究

论文类型: 硕士论文

论文专业: 信号与信息处理

作者: 傅庚申

导师: 殷福亮

关键词: 说话人识别,特征提取,倒谱,基音周期,矢量量化,隐含马尔科夫模型

文献来源: 大连理工大学

发表年度: 2005

论文摘要: 说话人识别是语音识别的一种,它根据测试语音来辨别说话者的身份。说话人识别在司法查证、机要保密、电子商务等领域有着广泛的应用前景。从具体应用的角度可将说话人识别分为说话人辨认和说话人确认两类,从识别条件的角度可将其分为与文本有关的说话人识别和与文本无关的说话人识别两类。本文的主要研究对象是与文本无关的说话人辨认系统。说话人辨识系统主要是由特征提取和模式分类两部分组成。特征提取部分就是寻找能够有效代表一个人的特征参数。模式分类部分就是能有效地计算一段语音与某测试者的特征参考模板之间距离的算法。由于说话人辨识系统的性能主要取决于上述两个方面,因此本论文的工作重点就放在了对这两个问题的研究上,主要包括: 1) 分别实现了基于VQ算法和HMM算法的说话人识别系统,并对其识别性能进行了比较; 2) 比较了LPCC和MFCC两种常用的说话人识别特征参数的识别率; 3) 分析了MFCC与基音频率联合特征参数和长时倒谱特征对说话人系统识别率的影响; 4) 采用MKM算法进行码本训练,并采用改进方法降低其计算量; 5) 采用全搜索码本形成树状码本进行码本的快速搜索,降低了识别过程的计算量; 6) 提出了整帧信噪比分段加权法,在低信噪比的情况下,提高系统的识别率。并根据FPGA的特点,对其进行改进,使其更适合在FPGA上实现。

论文目录:

摘要

Abstract

致谢

1 引言

1.1 研究背景

1.2 说话人识别的基本概念

1.3 说话人识别的研究现状与难点

1.4 FPGA设计简介

1.5 基于NIOS的SOPC设计流程

1.6 本论文的主要工作

2 语音信号处理和特征提取

2.1 语音的产生模型和基本特征

2.2 语音信号的基音频率提取

2.3 语音信号的倒谱分析

2.3.1 线性预测倒谱参数LPCC

2.3.2 Mel频标倒谱系数MFCC

2.4 长时倒谱特征

3 矢量量化

3.1 矢量量化原理

3.2 码本设计

3.2.1 LBG算法

3.2.2 初始码本的设计方法

3.2.2.1 随机初始码本

3.2.2.2 分裂法初始码本

3.3 搜索策略

3.4 基于VQ的说话人识别算法

4 隐含马尔科夫模型

4.1 HMM的基础理论

4.1.1 前向一后向算法

4.1.2 Baum-Welch算法

4.1.3 Viterbi算法

4.2 HMM的实现

4.2.1 模型的选择

4.2.2 多个观察值序列训练

4.2.3 比例因子问题

4.3 HMM的不足及其解决方法

5 基于MFCC特征参数的HMM说话人识别算法

5.1 说话人识别系统的训练部分

5.1.1 说话人识别系统训练基本流程

5.1.2 预处理

5.1.3 特征提取

5.1.4 码本训练

5.1.5 HMM训练

5.2 说话人识别系统的识别部分

5.2.1 说话人识别系统识别基本流程

5.2.2 预处理及特征提取

5.2.3 矢量量化

5.2.4 HMM识别

5.2.5 整帧信噪比分段加权

5.2.6 集成电路实现

5.3 仿真实验

5.3.1 测试语音库

5.3.2 实验结果

6 总结与展望

参考文献

发布时间: 2005-05-13

参考文献

[1].说话人识别算法研究及SOPC设计[D]. 顾彦飞.重庆大学2010
[2].支持向量机算法的研究及在说话人识别上的应用[D]. 忻栋.浙江大学2002
[3].说话人识别算法研究与说话人辨认系统实现[D]. 杨善茜.广西师范大学2010
[4].与文本无关话者识别算法研究及其DSP系统实现[D]. 舒凯.西安理工大学2005
[5].说话人识别算法研究[D]. 李香萍.天津大学2006
[6].说话人特征参数建模研究及其在信息安全中的应用[D]. 李鹏.西安电子科技大学2008
[7].复杂环境下特定说话人的语音识别研究[D]. 张琪.武汉纺织大学2012
[8].说话人识别的自适应算法研究[D]. 余浩.武汉理工大学2005
[9].基于高斯混合模型的说话人识别算法研究[D]. 颜凯.南京理工大学2009
[10].面向短波通信的文本无关说话人辨识研究[D]. 朱杰.哈尔滨工程大学2009

说话人识别算法研究

猜你喜欢