嵌入式声纹识别系统的研究与实现

论文摘要

说话人识别技术是指通过对说话人的语音进行信号处理自动鉴别说话人身份的一门技术,是生物认证技术的重要手段之一。它在很多领域都有重要的应用价值。本文介绍的说话人确认系统是建立在ARM9开发板硬件基础之上,采用高斯混合全局背景模型算法实现的嵌入式系统。它主要分为三部分:特征向量美尔频率倒谱系数(MFCC)的提取、说话人确认算法实现、硬件平台及其实现。提取特征向量MFCC就是从说话人的语音信号中提取能够体现该说话人声学个特征的参数,并对提取算法以速度为优先指标进行运算优化。本文在语音信号时域处理方法研究的基础上,介绍了特征参数的提取过程及其计算优化。在说话人识别算法方面,首先介绍了说话人识别的主要模式匹配方法:隐马尔可夫模型(HMM)、高斯混合模型(GMM)、人工神经网络(ANN)等。研究表明,GMM方法具有独特的优越性在语文本无关的说话人确认系统中取得良好的识别效果。本文重点阐述高斯混合全局背景模型算法,它主要由三个模块构成:全局背景模型(UBM)的建立、目标说话人模型的建立及其自适应、说话人确认决策。在硬件平台及其实现方面,我们首先介绍嵌入式开发板的选择依据,并最终决定选择基于ARM9的H2410EB开发板。本文重点阐述了基于ARM9的说话人确认系统的设计和实现。由于嵌入式开发板处理能力和存储能力的局限性,采用浮点运算转定点运算、计算预处理、数学快速近似计算、最大值机制等降低系统的运算负荷,提高运算效率,保证嵌入式系统实时性的要求。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 生物认证
• 1.2 说话人识别技术概论
• 1.3 嵌入式说话人识别研究的现状
• 1.4 课题技术难点与需解决的问题
• 1.5 论文的主要工作和章节安排
• 第二章 语音信号处理
• 2.1 语音信号的产生
• 2.1.1 语音的发音器官
• 2.1.2 语音的声学特征
• 2.1.3 语言信号在时域和频域的表示
• 2.1.4 语谱图
• 2.2 语音信号的数字模型
• 2.2.1 激励模型
• 2.2.2 声管模型
• 2.2.3 共振峰模型
• 2.2.4 辐射模型
• 2.3 语音信号的数字化和预处理
• 2.4 语音信号线性预测倒谱系数（Linear Prediction Cepstral Coding，LPCC）特征参数的提取
• 2.5 语音信号MFCC特征参数的提取
• 第三章 说话人识别算法
• 3.1 说话人识别算法概述
• 3.2 说话人识别系统特征的选取与评价
• 3.3 基于GMM-UBM的说话人确认系统
• 3.3.1 高斯混合模型GMM
• 3.3.2 GMM-UBM模型自适应
• 3.3.3 实验结果
• 第四章 嵌入式说话人识别系统的硬件平台
• 4.1 硬件的选择
• 4.1.1 凌阳61板
• 4.1.2 EasyARM2131开发板
• 4.2 基于ARM9的H2410EB开发板
• 第五章 嵌入式说话人识别系统的算法实现
• 5.1 浮点运算转换为定点运算
• 5.1.1 四则运算的转换
• 5.1.2 计算的预处理
• 5.1.3 数学的快速近似计算
• 5.1.4 计算方法的改进
• 5.2 通用背景模型UBM的建立
• 5.3 说话人模型的优化
• 5.4 实验结果和实验分析
• 第六章 课题总结和展望
• 6.1 课题总结
• 6.2 课题展望
• 参考文献
• 致谢