與文本無關的說話人識別系統研究.pdf

1、說話人識別就是利用人的語音自動對其身份進行鑒別與認證的技術。說話人識別具有廣闊的應用前景，已經成為身份認證及人工智能領域研究的一個熱點。從20世紀30年代發(fā)展至今已經有許多比較成熟的說話人識別理論模型。 為了提高說話人識別系統的性能，主要是識別率和穩(wěn)定性，本課題針對說話人識別的兩個關鍵環(huán)節(jié)，特征提取和模式匹配展開研究，對原有的一些特征和匹配方法進行了改進，尋找出了更加簡單有效的算法。主要內容如下： 特征提?。貉芯苛四壳艾F

2、有的幾種用于說話人識別的主要特征參數，其中包括線性預測倒譜系數(LPCC)、美爾倒譜系數(MFCC)以及動態(tài)特征參數。 模式匹配方法：對當今應用在與無本無關的說話人識別中效果較好的基于矢量量化(VQ)和高斯混合模型(GMM)的模式匹配方法做了深入的研究和改進。 經過對上述兩個問題的重點研究，本文提出了三種不同的說話人識別算法： (1)基于MFCC+質心和VQ的說話人識別算法經過對矢量量化方法的研究，通過對特征參數

3、、碼本大小和失真測度等的選取做的比較實驗，提出了基于MFCC+質心和VQ的說話人識別算法。該算法提取不包括Co在內的前12個MFCC分量和質心構成的13維的組合參數來表征語音的個性特征。此算法的優(yōu)點是計算簡單，識別速度快。但也存在著在語音較短條件下識別率較低的缺點。 (2)基于MFCC+△MFCC和GMM的說話人識別算法考慮到(1)中所述的基于MFCC+質心和VQ的說話人識別算法用在語音較短條件下識別率較低的缺點，又對高斯混合模

4、型進行了研究，提出了基于MFCC+△MFCC和GMM的說話人識別算法。該算法提取MFCC分量的C2-C13以及它們的一階差分系數△MFCC組成的24維的特征向量來表征語音。經實驗表明，即使在語音較短的條件下，此方法也能得到比較高的識別率，但存在著識別速度較慢和識別結果不穩(wěn)定的問題。 (3)基于VQ-GMM的穩(wěn)定高效的說話人識別算法為解決(2)中基于MFCC+△MFCC和GMM的說話人識別算法用于說話人辨認實驗出現的識別結果不穩(wěn)定

5、的問題，將矢量量化和高斯混合模型成功進行了結合，提出了基于VQ-GMM的說話人識別算法。在這一算法中高斯混合模型的初始化參數來自于矢量量化的結果。提取的語音特征參數仍然是MFCC+△MFCC組成的24維的向量。與傳統的初始化方法相比，將此算法用于語音較短的說話人辨認實驗，識別率更高，更穩(wěn)定。 以上三種算法用于我們自己錄制的50人的語音庫進行說話人辨認實驗中都取得了比較好的結果，可以根據需要應用在不同的場合。 目前針對說話