文本無(wú)關(guān)說(shuō)話人識(shí)別及其應(yīng)用研究.pdf

1、對(duì)目標(biāo)人進(jìn)行身份辨別在人們的日常生活和工作中都時(shí)有出現(xiàn)。近年來(lái),說(shuō)話人識(shí)別技術(shù)已經(jīng)在安全加密、銀行信息電話查詢服務(wù)等方面得到了很好的應(yīng)用,甚至擴(kuò)展到了司法領(lǐng)域,比如法庭取證。它以目標(biāo)人的聲音作為生物特征,被認(rèn)為是最方便,最經(jīng)濟(jì)的生物認(rèn)證技術(shù),具有廣泛的應(yīng)用前景。在大多數(shù)實(shí)際場(chǎng)合,人們不可能事先得到說(shuō)話人的講話內(nèi)容,因此與文本無(wú)關(guān)的說(shuō)話人識(shí)別更具現(xiàn)實(shí)意義,但同時(shí)難度也較大。
　　文章從語(yǔ)音信號(hào)處理的共性技術(shù)出發(fā),首先介紹了語(yǔ)音信號(hào)產(chǎn)

2、生的線性模型、數(shù)字化、預(yù)處理以及特征參數(shù)提取。詳細(xì)分析了兩類主流特征參數(shù)LPCC與MFCC的提取過(guò)程與特點(diǎn),并通過(guò)求取MFCC參數(shù)的一階差分來(lái)進(jìn)一步挖掘說(shuō)話人語(yǔ)音中隱藏的動(dòng)態(tài)信息。
　　關(guān)于具體的識(shí)別模型,本文研究了矢量量化(VQ)和支持向量機(jī)(SVM)在說(shuō)話人識(shí)別中的應(yīng)用。為了進(jìn)一步提高識(shí)別率,提出結(jié)合了協(xié)方差矩陣(CM)的VQ模型和VQ-SVM模型二層次識(shí)別的新融合策略,并通過(guò)Matlab仿真比較分析了不同參數(shù)設(shè)置下不同模型的