基于瞬時頻率估計的耳語音說話人識別研究.pdf

1、耳語音作為人類的一種特殊發(fā)音方式,在語音學和生理學上都有別于正常音。隨著社會經濟生活的發(fā)展,耳語音在很多場合下得到了應用,在金融通信、公安司法、身份安全認證等領域中發(fā)揮著越來越重要的作用。
　　 耳語音在說話人識別的實際應用中,可以作為正常音的一種補充,完善說話人識別系統(tǒng)的性能。耳語音自身的特點決定了其識別的難度大于正常音,且易遭受信道的干擾,傳統(tǒng)的語音參數在耳語音應用中穩(wěn)健性較差,因此研究一種有效的耳語音參數用于說話人識別系統(tǒng)

2、是一個亟待解決的問題。另外,考慮到當一個正常音訓練的說話人系統(tǒng)用耳語音識別時,系統(tǒng)的性能表現會急速下降。那么在無法獲得充分耳語音訓練數據的前提下,如何提高耳語音說話人識別的準確率也值得探討。針對以上問題,本文做了以下幾個方面的工作。
　　 一、針對語音產生中的非線性現象,根據語音產生的共振峰調制理論,介紹了語音產生的調幅-調頻模型(AM-FM Model),詳細討論了基于此模型的Teager能量算子和能量分離算法(DESA)在語

3、音中的應用,并和其他具有類似功能的算法做了比較。
　　 二、根據多成分AM-FM信號偵測的多帶解調分析(MDA)理論和能量分離算法,獲得語音信號的瞬時幅度和頻率。通過兩者的加權估計得到了一種語音特征參數一瞬時頻率估計(IFE),該參數可以描繪語音的精細頻率結構。將該特征用于耳語話者識別并和傳統(tǒng)的Mel倒譜系數(MFCC)進行了比較。實驗結果表明,隨著測試人數的增加和信道變化,新特征參數具有更好的識別率和穩(wěn)健性。
　　 三