基于GMM的說話人身份識別算法的研究.pdf

1、說話人識別技術(shù)屬于生物特征識別技術(shù)領(lǐng)域范疇，是用計算機(jī)來理解人的語言，自動識別說話人身份（說話人是誰）的一門技術(shù)。近年來由于信號與信息處理、模式識別、人工智能以及機(jī)器學(xué)習(xí)等學(xué)科理論技術(shù)的飛速發(fā)展，說話人識別技術(shù)也隨之迅速崛起。與其它的生物特征識別技術(shù)相比，說話人識別技術(shù)具有操作簡便，實用經(jīng)濟(jì)等許多優(yōu)勢。說話人識別技術(shù)具有非常廣闊的前景，廣泛應(yīng)用于信息服務(wù)類、公安司法、軍事、財經(jīng)等許多領(lǐng)域。
　　本文主要研究基于高斯混合模型(Gau

2、ssian mixture model，GMM)的說話人身份識別的算法，識別、訓(xùn)練樣本分開，樣本內(nèi)容為文本無關(guān)。
　　本文所作的工作主要有以下幾點:首先把采集到的語音信號進(jìn)行了預(yù)處理，在端點檢測環(huán)節(jié)，本文提出了一種新的端點檢測算法，采用把語音信號進(jìn)行幅值歸一化，把語音信號的幅值分布在0～1之間，以短時能量和為依據(jù)設(shè)定閾值進(jìn)行判決。實驗結(jié)果表明，該端點檢測算法較之傳統(tǒng)的基于短時能量和短時平均過零率端點檢測算法能更有效的檢測出語音信號

3、的起始點和結(jié)束點，具有良好的檢測性能;然后把端點檢測后真正的語音段用來提取特征參數(shù)，使用了基于人耳聽覺特性的美爾倒譜系數(shù)(Mel-frequencycepstral coefficient，MFCC)來提取;最后用GMM對說話人識別進(jìn)行了建模，在進(jìn)行說話人識別時，采用YOHO標(biāo)準(zhǔn)高質(zhì)量可靠的語音數(shù)據(jù)庫選取50人和自己錄制的小型漢語語音數(shù)據(jù)庫20人進(jìn)行了實驗，詳細(xì)分析了設(shè)置不同系統(tǒng)參數(shù)，如訓(xùn)練樣本個數(shù)、幀長、測試語音長度、GMM階數(shù)等對系