文本无关说话人识别系统研究

论文摘要

说话人识别技术属于生物认证技术的一种,是一项根据语音波形中反映说话人生理和行为特征的语音参数来自动识别说话人身份的技术。根据说话的内容,可以分为文本相关和无关两个方面。由于文本无关具有更加灵活与适用面广的特点,因此本文选文本无关说话人识别为主要研究课题。在文本无关说话人识别中,GMM将说话人识别问题转换成对说话人语音数据分布的估计问题,从而将复杂的语音训练、匹配的问题分解为模型参数的训练,以及概率的计算等子问题,解决了说话人识别任务中的很多难题。并且由于GMM具有简单、灵活、有效的特点以及较好的鲁棒性,迅速成为与文本无关的说话人识别中的主流技术。在系统构建方面,本文利用VC++实现了一个完整的说话人识别系统,包括前期的语音处理,特征提取以及后期的模型训练,识别。实现了说话人识别的两大功能:说话人辨认和说话人确认。在前期语音处理和特征提取方面,使用了Mel倒谱系数（MFCC）作为特征参数,在说话人模型方法,采用了高斯混合模型,它使用不同高斯密度的叠加来反映语音的声纹特征。本文的工作主要有以下几个方面:1.研究了GMM性能与训练数据集和测试数据集的依赖关系,特别是GMM阶数与训练数据集的关系。验证了在一定的训练集下,GMM阶数达到一定时,模型性能就会达到最优,继续增加GMM阶数将会导致模型性能下降。2.分析比较高斯混模型的训练方法包括:区别性训练方法和传统最大似然估计方法,并通过实验验证了区别性训练方法能够有效地提高说话人识别性能。3.本文提出一种新的方法,通过聚类优化GMM,有效地减少GMM高斯分量的数目。通过实验验证该算法能够在不明显降低系统识别率的情况下,有效地提高说话人识别的速度。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及意义
• 1.1.1 研究的现实意义
• 1.1.2 主要的应用领域
• 1.2 研究历史与现状
• 1.3 热点和难点
• 1.3.1 说话人识别热点
• 1.3.2 说话人识别难点
• 1.4 论文的内容安排
• 第二章 说话人识别技术概述
• 2.1 基本原理
• 2.2 基本类型
• 2.3 常用识别方法
• 2.3.1 模板匹配法
• 2.3.2 矢量量化方法
• 2.3.3 隐马尔可夫模型方法
• 2.3.4 高斯混合模型方法
• 2.3.5 人工神经网络方法
• 2.3.6 支持向量机
• 2.4 说话人识别性能评价指标
• 2.4.1 说话人辨认系统的评价
• 2.4.2 说话人确认系统的评价
• 第三章 语音信号处理
• 3.1 语音信号前期处理
• 3.1.1 采样与量化
• 3.1.2 预加重
• 3.1.3 端点检测
• 3.1.4 分帧
• 3.1.5 加窗
• 3.2 基音周期
• 3.3 MFCC参数的提取
• 3.3.1 听觉系统的生理机制
• 3.3.2 Mel频率简介
• 3.3.3 美尔倒谱系数MFCC及其提取算法
• 3.3.4 说话人识别系统中语音特征的选取与评价
• 第四章 高斯混合模型在说话人识别中的应用
• 4.1 高斯混合模型简介
• 4.2 高斯混合模型的参数估计
• 4.2.1 最大似然估计方法
• 4.2.2 区别性训练方法
• 4.3 GMM模型在说话人识别中的具体应用
• 4.3.1 GMM在说话人辨认中的应用
• 4.3.2 GMM在说话人确认中的应用
• 第五章 系统实现与实验结果
• 5.1 实验平台
• 5.1.1 硬件平台
• 5.1.2 软件平台
• 5.1.3 实验语音库
• 5.2 说话人辨认系统
• 5.2.1 高斯混合度对识别率影响
• 5.2.2 训练集大小对识别率的影响
• 5.2.3 测试语音长度对识别率的影响
• 5.2.4 区别性训练方法
• 5.2.5 基于聚类优化GMM提高识别速度的方法
• 5.3 说话人确认系统
• 5.3.1 区别性训练方法
• 5.3.2 基于聚类优化GMM提高识别速度的方法
• 第六章 总结与展望
• 参考文献
• 攻读硕士学位期间发表论文
• 致谢