基于統(tǒng)計模型的說話人識別研究與實現(xiàn).pdf

1、說話人識別屬于語音信號處理中的一種,它主要是通過挖掘語音信號中反映說話人生理和行為等個性特征的語音參數(shù)來識別說話人的身份。說話人識別中的關(guān)鍵技術(shù)問題就是特征參數(shù)的提取和模型的建立。本文主要從以上兩個方面來進行與文本無關(guān)的說話人識別研究。
　　 隨著多媒體數(shù)據(jù)的爆炸式增長,使得對音樂數(shù)據(jù)庫中的數(shù)據(jù)進行有效的管理顯得越來越重要。近年來利用語音信號處理技術(shù)并結(jié)合音樂數(shù)據(jù)本身的特點來分析和處理音樂數(shù)據(jù)的研究已成為一個非常有價值的熱門課題

2、。本文將說話人識別中的相關(guān)技術(shù)應(yīng)用到音樂信號處理中。
　　 通過廣泛地研究近年來說話人識別中常用的特征參數(shù)和建模方法,本文在處理語音數(shù)據(jù)時,主要提取基于Mel頻率的倒譜系數(shù)(MFCC)作為語音的特征參數(shù),高斯混合模型(GMM)作為語音描述的模型。并在MFCC特征參數(shù)的基礎(chǔ)上提出能提高系統(tǒng)性能的CMFCC特征參數(shù):將MFCC參數(shù)進行去均值處理后得到的特征參數(shù)。在研究說話人識別的基礎(chǔ)上,提出能有效分離音樂數(shù)據(jù)中歌唱部分聲音(pvoc

3、)和伴奏部分聲音(SVOC)的線性組合模型(LGMM):首先對手工標(biāo)注的pvoc和SVOC數(shù)據(jù)建立一個GMM模型,然后用純歌唱部分數(shù)據(jù)和純伴奏部分數(shù)據(jù)分別建立相應(yīng)的另一個GMM模型,最后將各類數(shù)據(jù)的GMM模型進行線性組合得最終的概率模型。
　　 本文主要工作如下:
　　 1、在無噪聲環(huán)境下,分別用MFCC、CMFCC特征參數(shù)、GMM模型以及廣義高斯混合模型(UBM-GMM)建立與文本無關(guān)的說話人識別系統(tǒng)。
　　

4、2、將MFCC特征參數(shù)和GMM模型應(yīng)用到音樂中歌唱部分數(shù)據(jù)(pvoc)和伴奏部分數(shù)據(jù)(svoc)的分離中,給出LGMM模型建立的具體方法和過程,并將其應(yīng)用到音樂中pvoc和svoc數(shù)據(jù)分離的實驗中。
　　 3、根據(jù)LGMM方法,首先分離出音樂中的歌唱部分數(shù)據(jù)(pvoc)和伴奏部分數(shù)據(jù)(svoc),利用pvoc數(shù)據(jù)和svoc數(shù)據(jù)建立基于MFCC特征參數(shù)和GMM模型的歌唱家識別系統(tǒng)。
　　 4、通過實驗分析訓(xùn)練數(shù)據(jù)長度、GM