資源描述：
《說話人識別中特征組合方法的研究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。
1、學校代碼10530學號201330101205分類號TN912密級碩士學位論文說話人識別中特征組合方法的研究學位申請人謝小娟指導教師曾以成教授學院名稱物理與光電工程學院學科專業(yè)電子科學與技術研究方向語音信號處理二○一六年五月十六日ResearchonSpeakerRecognitionBasedonFeaturecombinationCandidateXiaojuanXieSupervisorProfessorYichengZengCollegeSchoolofPhysicsandOptoelectronicEngineerin
2、gProgramElectronicScienceandTechnologySpecializationSpeechSignalProcessingDegreeMasterofEngineeringUniversityXiangtanUniversityDateMay16th,2016湘潭大學學位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導師的指導下獨立進行研究所取得的研究成果。除了文中特別加以標注引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方
3、式標明。本人完全意識到本聲明的法律后果由本人承擔。作者簽名：日期：年月日學位論文版權使用授權書本學位論文作者完全了解學校有關保留、使用學位論文的規(guī)定，同意學校保留并向國家有關部門或機構送交論文的復印件和電子版，允許論文被查閱和借閱。本人授權湘潭大學可以將本學位論文的全部或部分內(nèi)容編入有關數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復制手段保存和匯編本學位論文。涉密論文按學校規(guī)定處理。作者簽名：日期：年月日導師簽名：日期：年月日摘要說話人識別是一種生物認證技術，研究的是如何根據(jù)人的語音中獨有的個性特點，來自動識別說話人身份。目前，憑
4、借其特有的便利性、經(jīng)濟性和正確性，已在某些領域得到應用，是語音處理的一個研究熱點，其兩個關鍵部分是說話人特征提取和識別模型建立。本文重點研究了說話人識別的特征組合方法，主要工作如下：(1)在線性預測系數(shù)（LPC）和美爾頻率倒譜系數(shù)（MFCC）基礎上，將LPC系數(shù)融入到MFCC參數(shù)中，得到線性預測美爾倒譜系數(shù)（LPMFCC），用于說話人識別。該方法不會增加特征維數(shù)，運算量也相對較少，識別率有較大程度提高。(2)為提高說話人識別的正確率，同時采用多個特征參數(shù)。針對綜合特征參數(shù)中各維分量對識別結果的影響可能不一樣，同等對待并不一定是最
5、優(yōu)的方案這個問題，提出基于Fisher準則的MFCC、LPMFCC、Teager能量算子倒譜參數(shù)（TEOCC）相混合的特征參數(shù)提取方法（FMLT參數(shù)），該方法有效地結合了人耳的感知、聲道和非線性能量方面的特征；另外，提出一種采用改進的升半正弦函數(shù)進行加權的組合特征參數(shù)（WFMLT參數(shù)）。為驗證這兩種方法的有效性，提出基于PCA的MFCC、LPMFC和TEOCC組合特征參數(shù)提取方法（PCMLT參數(shù)）進行對比分析。(3)針對MFCC參數(shù)在中高頻的計算精度不高的問題，采用濾波器組主要分布在高頻部分的翻轉美爾倒譜參數(shù)（IMFCC）和濾波
6、器組主要分布在中頻部分的中頻美爾倒譜參數(shù)(MidMFCC）相結合的方法，提出基于Fisher比的MFCC、IMFCC和MidMFCC的組合特征參數(shù)（FMFCC參數(shù)），來改善說話人識別系統(tǒng)性能。(4)研究基于GMM和BP神經(jīng)網(wǎng)絡的說話人識別系統(tǒng)，將上述特征參數(shù)提取方法分別應用到系統(tǒng)中，驗證組合特征參數(shù)的有效性和可行性以及系統(tǒng)的識別性能。仿真實驗表明，F(xiàn)MLT方法與MFCC、LPMFCC、MFCC+LPMFCC、FMFCC以及PCMLT方法相比，識別率在純凈語音環(huán)境下分別提高了21.65%、18.39%、15.61%、15.01%與
7、22.70%；在30dB噪聲環(huán)境下，則分別提升了15.15%、10.81%、8.69%、7.64%與17.76%；并且經(jīng)加權處理的WFMLT方法的識別性能更優(yōu)于FMLT方法，在純凈語音環(huán)境下提升了2.62%。結果表明，F(xiàn)MLT和WFMLT參數(shù)能夠有效提高說話人識別率，且具有更好的魯棒性。關鍵詞：說話人識別；特征提??；Fisher準則；GMM；BP神經(jīng)網(wǎng)絡IAbstractSpeakerrecognitionisabiometricauthenticationtechnology.Theresearchaimsathowtoext
8、ractthespeaker'svoicecharacteristicstoidentifythespeakerautomatically.Atpresent,speakerrecognitionhasbeenappliedinsomefieldsduetoit
