卷積神經(jīng)網(wǎng)絡(luò)在聲紋識別中的應(yīng)用研究.pdf

1、作為一種典型的生物特征識別技術(shù)，聲紋識別就是根據(jù)說話人的語音特征識別說話人的身份。聲紋識別所提供的安全性可與其它生物識別技術(shù)（臉相、指紋、掌紋和虹膜識別技術(shù)）相媲美，且語音錄取只需電話或麥克風即可，無需特殊的設(shè)備，數(shù)據(jù)采集極為方便且設(shè)備造價低廉，是最為經(jīng)濟、可靠、簡便和安全的身份識別方式。在任何時候，只需輸入說話人的語音，依靠說話人獨特的聲紋，其身份便可被安全地鑒別。因此，聲紋識別成為國內(nèi)外研究人員關(guān)注和研究的一個熱點。
　　由于

2、聲紋獲取、處理等都擁有許多不穩(wěn)定因素，如采集環(huán)境復雜、易被模仿、信道變化等，這些因素都會影響聲紋系統(tǒng)的精度和可靠性，所以聲紋識別中仍有很多技術(shù)問題急需解決。本文圍繞聲紋識別的系統(tǒng)結(jié)構(gòu)，結(jié)合卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特點，提出不同解決思路。
　　首先，針對聲紋識別系統(tǒng)的不同環(huán)節(jié)，分析現(xiàn)有主要技術(shù)手段的優(yōu)點以及不足。給出基于梅爾頻率倒譜系數(shù)和高斯混合模型的經(jīng)典聲紋識別系統(tǒng)，通過實驗驗證不同參數(shù)對系統(tǒng)的影響。
　　其次，在研究卷積神經(jīng)網(wǎng)絡(luò)

3、的結(jié)構(gòu)并重點分析其卷積操作和降采樣操作的基礎(chǔ)上，將這兩種操作組合起來，提取出對平移、旋轉(zhuǎn)、尺度變化具有不變性的初始特征。進一步，提出兩種基于卷積神經(jīng)網(wǎng)絡(luò)的聲紋識別預處理方法，即一維卷積預處理和二維卷積預處理方法，并通過實驗驗證了該方法相比經(jīng)典方法具有更好的效果。
　　最后，重點研究聲紋識別的特征提取和模式匹配過程，提出將這兩個獨立過程統(tǒng)一到卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)中來。通過計算語音信號的語譜圖，將其作為網(wǎng)絡(luò)的輸入，網(wǎng)絡(luò)輸出為說話人的類別