說話人識別中的模式匹配方法研究.pdf

1、說話人識別是一項(xiàng)根據(jù)語音中反映說話人生理和行為特征的語音參數(shù)，自動(dòng)識別說話人身份的技術(shù)，屬于生物特征識別技術(shù)的一種。近年來，說話人識別技術(shù)日趨成熟，由于語音這一媒介自身特殊的優(yōu)勢，正在迅速走向?qū)嵱没軓V泛的應(yīng)用于各行各業(yè)。 本文以LPCC和MFCC特征參數(shù)作為識別的主要特征，還實(shí)驗(yàn)性地使用了基于小波變換的特征提取參數(shù)。運(yùn)用矢量量化（VQ）、高斯混合模型（GMM）和人工神經(jīng)網(wǎng)絡(luò)（ANN）技術(shù)實(shí)現(xiàn)與文本無關(guān)的說話人識別，分別在15

2、人、25人、41人大小的語音庫上進(jìn)行了識別實(shí)驗(yàn)。 本文的主要工作有： （1）在特征提取部分，詳細(xì)闡述了特征提取階段的時(shí)域特征和LPCC、MFCC等倒譜特征的提取過程，并用不同于傳統(tǒng)的短時(shí)傅里葉變換的小波變換進(jìn)行了特征提?。?（2）對各個(gè)系統(tǒng)的性能進(jìn)行了研究。在VQ模型中，研究了碼本尺度對系統(tǒng)性能的影響和具體選取問題；在GMM模型中，研究了高斯混合模型的階數(shù)和訓(xùn)練語音的長度對系統(tǒng)性能的影響，并在大量實(shí)驗(yàn)的基礎(chǔ)了，提