基于GMM的聲紋識別系統(tǒng)研究.pdf

1、聲紋識別是在“信息危機”的時代背景下而孕育起來的一種生物認(rèn)證技術(shù)，它以其獨特的便捷性、準(zhǔn)確性、經(jīng)濟性深受世人矚目，并得到了快速的發(fā)展。但由于特征參數(shù)與聲紋模型的局限性，這些年聲紋識別的研究進(jìn)入了瓶頸期，識別率很難再得以提升。本論文以提高聲紋識別率為最終目的，對聲紋識別展開了深入的研究。
　　 論文先總體講述了聲紋識別系統(tǒng)的結(jié)構(gòu)和基本原理，然后對系統(tǒng)的特征提取、預(yù)處理、高斯混合模型等主要部分分別展開了細(xì)致的研究。在特征提取方面，先

2、講述了線性預(yù)測的基本理論，并由此推導(dǎo)出線性預(yù)測倒譜系數(shù);接著又從同態(tài)濾波的基本原理出發(fā)，得到了摩爾倒譜系數(shù);最后對這兩種特征參數(shù)進(jìn)行了改進(jìn)和優(yōu)化。在模式匹配方面，先利用第二章提取出來的特征參數(shù)，由K-均值聚類算法進(jìn)行了模型的初始化，接著用EM算法進(jìn)行了模型的訓(xùn)練，最后得到了說話人的高斯混合模型。論文的最后部分對各個模塊算法進(jìn)行了整合，并做了相關(guān)的性能測試實驗。
　　 本論文的主要創(chuàng)新點是:提出了一種改進(jìn)端點的檢測算法，新的算法更