說話人識(shí)別算法研究及其實(shí)現(xiàn).pdf

1、說話人識(shí)別屬于生物特征識(shí)別技術(shù)的一種，是一項(xiàng)根據(jù)語音信號中反映說話人生理和行為特征的語音參數(shù)，自動(dòng)識(shí)別說話人身份的技術(shù)。與語音識(shí)別不同的是，說話人識(shí)別利用的是語音信號中的說話人信息，而不考慮語音中的字詞意思，它強(qiáng)調(diào)說話人的個(gè)性;而語音識(shí)別的目的是識(shí)別出語音信號中的言語內(nèi)容，并不考慮說話人是誰，它強(qiáng)調(diào)共性。 說話人識(shí)別系統(tǒng)主要包括兩部分，即特征檢測和模式匹配。特征檢測的任務(wù)是選取唯一表現(xiàn)說話人身份的有效且穩(wěn)定可靠的特征，模式匹配的任務(wù)是對

2、訓(xùn)練和識(shí)別時(shí)的特征模式做相似性匹配。說話人識(shí)別可以分為說話人辨識(shí)和說話多人確認(rèn)兩大類，本文的研究內(nèi)容是任意文本的說話人確認(rèn)系統(tǒng)，主要做了以下工作： 1.介紹了人類語音產(chǎn)生的原理及其數(shù)字模型，為課題的研究奠定基礎(chǔ)。 2.研究了常見的幾種說話人特征的性質(zhì)和提取方法，這些特征包括基音周期、FFT倒譜、LPC倒譜、MEL倒譜等等。 3.對于傳統(tǒng)VQ算法和基于遺傳算法的VQ算法的研究。 4.討論了傳統(tǒng)GMM

3、說話人模型的建模方法，并詳細(xì)研究了用于GMM模型建模的EM算法，建立了基于傳統(tǒng)EM算法GMM模型。 5.研究了用于提高任一給定算法的性能的通用算法，AdaBoost算法。討論了將AdaBoost算法與GMM算法結(jié)合，用于建立AdaBoost-GMM模型。 6.最后根據(jù)LBG-VQ算法、基于遺傳算法的VQ算法、GMM算法、AdaBoost GMM算法弱分類器、AdaBoost-GMM算法強(qiáng)分類器五種模型得出實(shí)驗(yàn)結(jié)果，并