語音非線性特征在說話人識(shí)別中的應(yīng)用.pdf

1、說話人識(shí)別是一種生物識(shí)別技術(shù)，它是指機(jī)器通過說話人的語音自動(dòng)識(shí)別出說話人的身份。在信息接入服務(wù)安全控制、司法鑒定、人機(jī)界面智能化等方面這項(xiàng)技術(shù)有著良好的應(yīng)用前景。說話人識(shí)別主要經(jīng)過三個(gè)階段來實(shí)現(xiàn)——提取特征、建立說話人模型、判決。特征提取階段是第一步，也是非常重要的一步。不能提取充分反映說話人個(gè)性特征的特征量，后兩步的優(yōu)化很難奏效?，F(xiàn)有特征提取方法大都是建立把語音信號(hào)當(dāng)作短時(shí)平穩(wěn)信號(hào)的認(rèn)識(shí)基礎(chǔ)上的，這些特征用于說話人識(shí)別取得了較好的效果

2、，但是在人們?cè)O(shè)法進(jìn)一步提高系統(tǒng)的識(shí)別率和魯棒性時(shí)呈現(xiàn)出了它的局限性。針對(duì)這種困難，本文考察了語音信號(hào)的非線性特征，并討論如何將它們應(yīng)用于說話人識(shí)別，以改善系統(tǒng)的性能。圍繞這個(gè)研究思路，本文主要做了以下內(nèi)容的工作： (1)介紹了說話人識(shí)別的基本概念、基本原理、技術(shù)難點(diǎn)，回顧了說話人識(shí)別的研究歷史和概括了國內(nèi)外的研究現(xiàn)狀； (2)為從根源上研究語音特性，本文對(duì)語音的發(fā)聲器官和產(chǎn)生機(jī)理進(jìn)行描述，分析了說話人發(fā)音過程中存在的非線

3、性現(xiàn)象，并通過計(jì)算38個(gè)漢語音素的最大李雅普諾夫指數(shù)從實(shí)驗(yàn)角度驗(yàn)證了語音的混沌性； (3)運(yùn)用信號(hào)處理知識(shí)闡述線性預(yù)測倒譜系數(shù)、Mel倒譜系數(shù)等反映說話人個(gè)性的常用特征量的原理及計(jì)算方法。同時(shí)，較為詳細(xì)地討論了刻畫語音非線性特性信息的特征量——最大李雅普諾夫指數(shù)、二階熵和關(guān)聯(lián)維數(shù)的物理意義及其提取算法； (4)比較新穎地將非線性特征運(yùn)用于說話人識(shí)別。為檢驗(yàn)其效果，使用矢量量化模型和高斯混合模型兩種分類器，結(jié)合常用特征構(gòu)建