基于優(yōu)化語音提取的聲紋識別系統.pdf

1、聲紋識別對當前人們的生活有著重要的影響,設計一種識別效果好的聲紋識別系統是非常有必要的。決定整體系統的識別率關鍵的就在端點檢測、特征提取以及模板匹配,為了達到更好的識別效果,本文主要研究了端點檢測和特征提取對整體系統的性能影響,當前聯合多種特征參數已成為了一種重要的優(yōu)化參數的方法。
　　本文從語音信號的預處理階段開始對其進行分析,對語音信號進行了去除噪聲和端點檢測,有效的濾除語音信號的無聲段,其可以為語音特征參數在提取時,提供正確

2、有效的語音段。文中分析比較了倒譜特征算法和對數能量特征算法的兩類檢測性能。結果表明,在低信噪比條件下這些算法的檢測性能均不是特別理想,所以需要尋找到能夠更好表征語音的特征參數來進行端點檢測。
　　為了能夠克服傳統方法的倒譜距離語音檢測算法檢測效果在低信噪比下不理想的缺點,本文將結合對數能量(LE)特征和倒譜(C)特征,研究了一種融合對數能量倒譜特征(LEC)的新方法。該方法采用模糊C均值聚類和貝葉斯信息準則(BIC)的方法估計判定

3、特征門限,得到了正確、有效的語音端點判斷,在3種非常典型噪聲干擾下,把信噪比從-5db到15db的帶噪語音進行實驗仿真,實驗結果顯示LEC法的檢測錯誤率僅為20.25％,明顯低于倒譜法和對數能量法,對確定語音的端點更為有效,此方法間接地改善了語音識別效果。
　　本文通過使用MATLAB專用語音處理工具箱,提取錄入語音片段的特征參數,采用動態(tài)時間歸整算法使參考模板與測試模板來進行匹配,提高了一定的系統識別率。本文考慮到系統的可靠性,