基于高斯混合模型的說話人識別算法研究.pdf

1、語音是人類獲取信息的主要來源之一，也是最方便、最有效、最自然的交流工具。說話人識別技術在近三十多年的時間里取得了很大的進步，這種技術的應用為人類的日常生活帶來很大的便利。本文構建了一個基于高斯混合模型的說話人識別系統(tǒng)。在完成了多項基本性能的測試和比較的基礎上，對模型參數(shù)初始化和系統(tǒng)判別中的某些環(huán)節(jié)進行了改進，提高了系統(tǒng)的識別率。主要研究內容包括： (1)系統(tǒng)構建：采用C++和Matlab混合編程方式，并在VC++6.0的環(huán)境下架

2、構了基于高斯混合模型的說話人識別系統(tǒng)。包括聲音讀取和采集模塊、預處理模塊、特征參數(shù)提取模塊、參數(shù)訓練模塊和識別模塊。 (2)性能研究：主要研究了特征選取和高斯混合模型參數(shù)選擇對系統(tǒng)性能的影響。在特征參數(shù)提取方面，研究了LPC、LPCC、MFCC三種主流特征參數(shù)，實驗表明，采用MFCC特征參數(shù)比采用其他兩種特征參數(shù)有更好的識別效果；針對高斯混合模型，研究了模型的階數(shù)對系統(tǒng)識別率的影響，分析了階數(shù)過大或過小對系統(tǒng)的負面影響，并結合實

3、際情況進行了選擇；提出在EM算法的迭代過程中設置協(xié)方差閾值，并對不同閾值條件下的識別率進行實驗對比，證明了將協(xié)方差閾值設置為0.1的普適性和可行性。 (3)系統(tǒng)改進：考慮到少量的孤立點數(shù)據(jù)就會對K-均值算法的聚類結果產(chǎn)生很大的影響。因此，提出了聚類均值點與聚類種子相分離的思想，并對K-均值算法進行了相應地改進。實驗表明，改進后的算法比傳統(tǒng)K-均值算法具有更高的準確性。同時，采用三角不等式原理，解決了K-均值算法的時間開支問題；在