基于GMM的說話人語音識別研究與實踐.pdf

1、說話人識別作為語音信號處理技術(shù)的一個代表和重要組成部分，近幾年來，日益成為當今的一個研究熱點，在電子商務(wù)、消費、銀行等遠程客戶服務(wù)的身份認證，軍事安全領(lǐng)域的說話人身份自動檢測認證中具有極大的應(yīng)用價值和廣泛的應(yīng)用前景。它是一種基于生物特征信息的身份識別方法，通過對說話人的語音進行分析，從而對說話人身份做出正確識別和判斷的一項研究。依據(jù)判別方式的不同(一對多，一對一)，說話人識別可以分為說話人辨認和說話人確認。隨著交互技術(shù)和信息技術(shù)的飛速發(fā)

2、展，說話人識別開始越來越受到大家的關(guān)注。
　　 本論文主要做的工作如下：
　　 首先，本文針對說話人識別的前端處理方面進行了相關(guān)研究，得出并實現(xiàn)了一個比較合理的處理算法；
　　 其次，討論不同語音特征向量的提取方法，最終得出針對說話人識別而言比較合理的特征向量：美爾倒譜系數(shù)(MFCC)。在成功提取出MFCC的前提下，討論了MFCC各維參數(shù)對最終結(jié)果的貢獻；
　　 再次，在識別模型的訓練方面，主要研究高斯混

3、合模型的模型訓練，在這種訓練方法中，主要討論了最大似然估計算法，期望-最大化算法以及最大模型距離法；
　　 再其次，在性能研究方面，研究了不同高斯混合密度下說話人辨認系統(tǒng)的識別率，認為高斯密度個數(shù)的選擇與訓練語音數(shù)據(jù)量具有相關(guān)性。同時驗證了其他其它幾個與識別率有關(guān)的參數(shù)因素與系統(tǒng)性能關(guān)系；
　　 最后，搭建了一個說話人識別系統(tǒng)用于試驗測試，驗證了一些參數(shù)對性能的影響，同時使用了多線程并行處理技術(shù)，以此縮短識別時間：并提出