基于聽覺特征參數(shù)的說話人識別技術(shù).pdf

1、語言是人類信息交流最常用的方式，它自然方便、準(zhǔn)確高效。隨著科技的發(fā)展，用現(xiàn)代手段研究語音信號處理技術(shù)，對于促進人機交互技術(shù)的進步具有十分重要的意義。語音信號處理技術(shù)是語音學(xué)和數(shù)字信號處理想結(jié)合的交叉學(xué)科，它與信息科學(xué)中許多前沿學(xué)科保持著密切聯(lián)系。
　　語音信號處理可分為三個方向，語音識別，語音情感識別，說話人識別。語音識別是讓機器識別和理解人類語音信號轉(zhuǎn)變?yōu)橄鄳?yīng)文本或命令，語音情感識別是機器從語音信號中識別人的各種情感，說話人識別

2、是通過對說話人語音信號的分析，自動識別說話人身份的技術(shù)。本文主要研究方向是說話人識別技術(shù)。
　　說話人識別又稱為聲紋識別，是語音信號處理的一個重要分支,說話人識別技術(shù)最關(guān)鍵的一個環(huán)節(jié)是提取特征參數(shù)，是一直以來研究者們研究的熱點問題。針對目前說話人識別研究情況，本文開展了以下的研究工作：
　　(1)語音信號前端處理須加窗分幀，但容易造成頻譜泄露的問題，這不利于得到可靠的精確的特征參數(shù)，我們提出一種漢明卷積窗，分析與實驗表明這種

3、窗函數(shù)性能指標(biāo)優(yōu)于經(jīng)典窗函數(shù)，在語音預(yù)處理中用其代替?zhèn)鹘y(tǒng)窗函數(shù)，能較好地抑制頻譜失真。
　　(2)目前主流的說話人識別系統(tǒng)是采用線性預(yù)測倒譜系數(shù)(LPCC)和梅爾倒譜系數(shù)(MFCC)，雖然在高信噪比的環(huán)境下取得了較好的識別率，但是在低信噪比環(huán)境，系統(tǒng)識別率下降較快，說明特征參數(shù)的抗噪性能低，針對這一問題，根據(jù)人耳聽覺系統(tǒng)的特性，提出基于聽覺特性的全極點伽馬通濾波器模型(APGF)，更加符合人耳非對稱濾波特性，實驗表明這種聽覺特征參

4、數(shù)具有更好的魯棒性。
　　(3)目前常用的特征參數(shù)都需通過傅里葉變換，得到語音信號的頻域信息，但傅里葉變換分辨率單一，對長時語音非平穩(wěn)信號，并不具有優(yōu)勢。本文結(jié)合小波變換的多分辨率分析的優(yōu)點，通過聽覺變換得到耳蝸倒譜系數(shù)，將耳蝸特征參數(shù)應(yīng)用于說話人識別系統(tǒng)，魯棒性和抗噪性能優(yōu)于經(jīng)典的特征參數(shù)。進一步研究了Mel域、Bark域和ERB域尺度等不同頻域尺度的耳蝸倒譜系數(shù)，分別進行仿真實驗，實驗結(jié)果表明ERB尺度耳蝸倒譜特征參數(shù)優(yōu)于Ba