基于GMM的說(shuō)話人識(shí)別系統(tǒng)研究.pdf

1、隨著集成電路設(shè)計(jì)的突飛猛進(jìn)，計(jì)算機(jī)計(jì)算能力及周邊儲(chǔ)存設(shè)備容量的增大，數(shù)字技術(shù)的迅速發(fā)展，語(yǔ)音信號(hào)處理技術(shù)得以形成，作為語(yǔ)音識(shí)別重要方面之一的說(shuō)話人識(shí)別也得到越來(lái)越多的重視。在門禁系統(tǒng)、安保、保險(xiǎn)系統(tǒng)中，說(shuō)話人識(shí)別具有不可替代的作用。 本論文以說(shuō)話人識(shí)別實(shí)驗(yàn)系統(tǒng)為目標(biāo)，以高斯混合模型為研究重點(diǎn)，對(duì)文本無(wú)關(guān)(text-independent)說(shuō)話人識(shí)別技術(shù)的各個(gè)主要方面作了深入探討。通過(guò)對(duì)說(shuō)話人識(shí)別問(wèn)題進(jìn)行系統(tǒng)的研究和實(shí)驗(yàn)，本文形成

2、了一套完整的說(shuō)話人識(shí)別研究體系，包括了實(shí)驗(yàn)平臺(tái)、端點(diǎn)檢測(cè)算法、特征提取算法、聲學(xué)模型等關(guān)鍵部分，涵蓋了說(shuō)話人識(shí)別的全過(guò)程，獲得了一些有意義的成果。所有研究成果都被完整地實(shí)現(xiàn)并在語(yǔ)音庫(kù)上進(jìn)行了驗(yàn)證，最終建立了一個(gè)完整的說(shuō)話人識(shí)別實(shí)驗(yàn)系統(tǒng)。 在文中，作者綜合運(yùn)用基于短時(shí)能頻比的端點(diǎn)檢測(cè)方法、提取MFCC特征參數(shù)、并對(duì)特征參數(shù)進(jìn)行矢量量化、回顧了期望最大算法、建立說(shuō)話人模型和說(shuō)話人背景模型，并利用GMM模型建立了說(shuō)話人辨認(rèn)實(shí)驗(yàn)系統(tǒng)和說(shuō)