與文本相關的說話人識別方法研究.pdf

1、說話人識別作為語音識別的一種特殊形式，是當前語音信號處理技術的研究熱點之一，該技術對于各類機要場所、安防等領域的身份認證具有重要的應用價值。 本文首先根據語音信號的物理產生過程以及人耳的聽覺特性，介紹了兩種系統(tǒng)模型，分析和提取出了幾種應用較為廣泛的說話人特征參數。其次，分別以連續(xù)隱馬爾可夫模型CHMM及BP網絡為例，詳細闡述了隱馬爾可夫模型HMM與人工神經網絡ANN兩種不同的建模理論與識別策略，討論了二者在說話人識別當中的一些應

2、用問題，構造完成了兩類不同的話者識別模型，并編程實現了相應的識別算法。接著，在特征提取方面嘗試了一種較新的組合形式，仿真實驗結果表明將多種特征參數進行合理組合有助于提高說話人識別系統(tǒng)的正確識別率。最后，在不增加網絡設計、構建方面的困難與復雜度的情況下，考慮如何將規(guī)模龐大的多維多幀說話人語音特征矢量送入人工神經網絡進行訓練，同時又保證所訓練出的網絡具有較高的識別性能，針對這一問題本論文給出并應用了一種新穎的特征參數處理方案。該方案以說話人

3、聲音特征參量各維的變化情況來反映該講話者聲音特性的變化，一定程度地降低了神經網絡結構的復雜性，較好地解決了網絡設計當中面臨的一些實際問題。 在對以Mel倒譜及其差分形式為組合特征參數的仿真測試中，本論文采用上述特征參數處理方案建立了一BP網絡，在訓練過程中時間開銷約為8秒。在識別測試中，對隨意抽取的10個未參與訓練的待測樣本全部識別正確，總耗時約為10.3秒。仿真結果較好地證明了本論文所給出的特征參數處理方案能有效降低網絡搭建的