說話人識別系統(tǒng)中的語音信號處理技術(shù)研究.pdf

1、隨著當今信息技術(shù)的飛速發(fā)展，語音信號處理技術(shù)已經(jīng)滲透到了各個領(lǐng)域內(nèi)，說話人識別技術(shù)是語音信號處理應用的一個重要分支，是目前語音信號處理技術(shù)領(lǐng)域中的一個研究熱點。說話人識別系統(tǒng)中最重要的一個環(huán)節(jié)就是特征提取，特征提取的方法選擇與性能優(yōu)化同語音信號特征參數(shù)有著密切聯(lián)系，而且說話人識別系統(tǒng)模型參數(shù)的選擇也直接影響著系統(tǒng)的識別性能。本文就上述問題在前人研究基礎(chǔ)上做了以下工作。
　　1、首先介紹了語音的產(chǎn)生原理及傳輸模型，分別闡述了語音的時

2、域和頻域特性，并用語譜圖將二者結(jié)合起來分析，接下來是介紹語音信號的預處理部分和短時特征函數(shù)。并做了相應的仿真實驗及分析驗證。
　　2、重點介紹了語音信號的三種端點檢測算法，即雙門限算法、短時能零積算法、功率譜熵算法。在 MATLAB平臺實現(xiàn)了三種算法的仿真與端點檢測性能的比較，得出結(jié)論：相比之下功率譜算法的檢測效果最好。并針對算法存在的不足作相應的改進。接下介紹了語音的LPC原理以及仿真實現(xiàn)過程，在此基礎(chǔ)上依次引入了基于聲道特征的

3、LPCC參數(shù)和聽覺特性的MFCC特征參數(shù)，并研究了它們各自提取過程、參數(shù)特性特點以及圍繞他們拓展開的差分特征、特征分量加權(quán)、特征組合等優(yōu)化方法。通過仿真，對MFCC和LPCC的參數(shù)性能進行綜合比較，得出MFCC的參數(shù)性能要優(yōu)于LPCC的重要結(jié)論。
　　3、介紹了說話人識別系統(tǒng)中模型訓練和模版匹配常用的高斯混合模型(GMM)的基本原理及相關(guān)算法方法。然后在 MATLAB平臺上利用高斯混合模型實現(xiàn)了說話人識別系統(tǒng)的仿真實驗，分析了在G