說話人識(shí)別系統(tǒng)的研究與開發(fā).pdf

1、說話人識(shí)別技術(shù)作為語音信號(hào)處理技術(shù)的一個(gè)重要組成部分，有著十分廣闊的研究和應(yīng)用前景。目前，已經(jīng)有幾種識(shí)別方法應(yīng)用于說話人識(shí)別，但識(shí)別率、系統(tǒng)穩(wěn)定性、噪聲魯棒性還不是很理想。本文提出支持向量機(jī)技術(shù)應(yīng)用于說話人識(shí)別，與傳統(tǒng)的方法比取得了較高的識(shí)別率和較強(qiáng)的魯棒性。支持向量機(jī)技術(shù)是一種統(tǒng)計(jì)學(xué)習(xí)理論，結(jié)合經(jīng)驗(yàn)風(fēng)險(xiǎn)和期望風(fēng)險(xiǎn)的平衡點(diǎn)，兼顧學(xué)習(xí)能力和推廣能力，是一種較新的機(jī)器學(xué)習(xí)方法。它基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則的模式分類方法，在處理樣本中非線性、高維

2、數(shù)問題時(shí)有很大的優(yōu)勢(shì)，所以在應(yīng)用基于語音樣本的說話人識(shí)別上有良好的效果。本文依拖實(shí)際項(xiàng)目，在闡述說話人識(shí)別原理的基礎(chǔ)上，充分考慮說話人識(shí)別系統(tǒng)的識(shí)別率、識(shí)別速度、穩(wěn)定性等綜合因素，采用能夠反映人對(duì)語音的感知特性的線性預(yù)測(cè)倒譜系數(shù)LPCC作為特征參數(shù)，LPCC的重要性還在于，它提供了一組簡(jiǎn)潔的語音信號(hào)模型參數(shù)，這一組參數(shù)較精確地表征了語音信號(hào)的頻譜幅度，而分析它們所需的運(yùn)算量相對(duì)來講卻不大；同時(shí)結(jié)合矢量量化技術(shù)，成功開發(fā)出語音檢索系統(tǒng)。矢

3、量量化技術(shù)不同于傳統(tǒng)的標(biāo)量量化方法，基本思想是將若干標(biāo)量數(shù)據(jù)聯(lián)合成一個(gè)矢量，然后對(duì)矢量空間進(jìn)行空間劃分，給予整體量化，從而更高質(zhì)量地壓縮數(shù)據(jù)。由于LBG算法其理論上的嚴(yán)密性、應(yīng)用于上的簡(jiǎn)便性以及較好的設(shè)計(jì)效果，在特征碼本聚類時(shí)采用LBG算法，保證了碼本的質(zhì)量，系統(tǒng)的質(zhì)量也得到保證。針對(duì)說話人識(shí)別系統(tǒng)在識(shí)別率的不高、噪聲下的不穩(wěn)定性一些具體實(shí)際問題，本文通過實(shí)驗(yàn)構(gòu)造碼本的分辯函數(shù)，對(duì)特征參數(shù)各維分量的識(shí)別能力進(jìn)行定量分析；也通過實(shí)驗(yàn)，對(duì)不