噪聲環(huán)境下基于個(gè)性特征的說(shuō)話(huà)人識(shí)別研究.pdf

1、說(shuō)話(huà)人識(shí)別（聲紋識(shí)別）屬于生物認(rèn)證技術(shù)的范疇，是一種根據(jù)語(yǔ)音波形中反映說(shuō)話(huà)人生理和行為特征的語(yǔ)音參數(shù)自動(dòng)鑒別說(shuō)話(huà)人身份的技術(shù)?，F(xiàn)有說(shuō)話(huà)人識(shí)別的研究大多是在辦公室安靜環(huán)境下基于短時(shí)處理的方法處理語(yǔ)音，缺乏具有魯棒性的個(gè)性特征，識(shí)別算法類(lèi)別區(qū)分能力較弱。針對(duì)以上的不足，本文針對(duì)噪聲環(huán)境下的說(shuō)話(huà)人識(shí)別展開(kāi)研究，主要工作與創(chuàng)新如下：
　　1.在端點(diǎn)檢測(cè)中，利用經(jīng)驗(yàn)?zāi)B(tài)分解法（EmpiricalModeDecomposition，EMD）對(duì)

2、帶噪語(yǔ)音進(jìn)行端點(diǎn)檢測(cè)，首先利用EMD法對(duì)帶噪語(yǔ)音進(jìn)行分解，去除受噪聲影響最大的前兩層固有模態(tài)函數(shù)（InstrintModeFunction，IMF）分量后，經(jīng)過(guò)分析均值與方差，得到能夠完整表征語(yǔ)音信息的IMF分量，利用這些IMF分量重構(gòu)語(yǔ)音，然后對(duì)重構(gòu)的信號(hào)利用雙門(mén)限法進(jìn)行端點(diǎn)檢測(cè)，實(shí)驗(yàn)結(jié)果表明發(fā)現(xiàn)在一定的信噪比下，本文提出的方法具有魯棒性，并能提高端點(diǎn)檢測(cè)的準(zhǔn)確率。
　　2.在特征提取中，先利用EMD法對(duì)信號(hào)進(jìn)行分解，然后通過(guò)分

3、析找出包含共振峰和基頻的IMF分量，利用包含前三個(gè)共振峰的IMF1,IMF2和IMF4分量和包含基音信息的IMF3分量，并利用希爾伯特變換求取其瞬時(shí)頻率（InstantFrequency，IF）。
　　3.在訓(xùn)練/測(cè)試階段，利用具有分類(lèi)能力的支持向量機(jī)（SupportVectorMachine，SVM）通過(guò)組合不同的特征參數(shù)進(jìn)行說(shuō)話(huà)人識(shí)別，實(shí)驗(yàn)結(jié)果表明本論文提出方法由于傳統(tǒng)方法，且瞬時(shí)頻率作為特征參數(shù)的效果優(yōu)于MFCC作為參數(shù)的效