說話人識(shí)別方法及其系統(tǒng)的應(yīng)用開發(fā)研究.pdf

1、本文對(duì)說話人識(shí)別方法應(yīng)用作了較深入系統(tǒng)的研究。采用的方法分別是矢量量化(VQ)識(shí)別方法、隱馬爾可夫模型(HMM)識(shí)別方法、高斯混合模型(GMM)識(shí)別方法?；讵?dú)立文本和閉集條件，在實(shí)驗(yàn)室環(huán)境下，對(duì)26位說話人進(jìn)行語音采集和識(shí)別，識(shí)別率均為100％。在特征提取方面，分別以16階LPC倒譜系數(shù)、12階MEL頻率倒譜系數(shù)和12階LPC倒譜系數(shù)、基音周期與短時(shí)歸一化幀能量形成的混合參數(shù)進(jìn)行實(shí)驗(yàn)，均得到了較好的實(shí)驗(yàn)結(jié)果。為提高系統(tǒng)的響應(yīng)速度、改

2、善系統(tǒng)性能，實(shí)驗(yàn)還對(duì)短時(shí)幀長進(jìn)行比較，發(fā)現(xiàn)不同幀長對(duì)系統(tǒng)性能的影響較大。由于通常情況下短時(shí)語音處理技術(shù)認(rèn)為語音幀長在10~30ms左右，文中在采樣頻率為11.025KHz條件下，既考慮到短時(shí)限制，又考慮到系統(tǒng)響應(yīng)速度，取幀長為512點(diǎn)(約46ms)得到了較好的實(shí)驗(yàn)效果。該說話人系統(tǒng)在VC++6.0環(huán)境下用音頻底層處理函數(shù)實(shí)現(xiàn)音頻操作，能設(shè)置不同語音采樣頻率，對(duì)語音進(jìn)行實(shí)時(shí)播放、動(dòng)態(tài)波形顯示和有用信號(hào)剪輯等同步處理功能。系統(tǒng)還支持?jǐn)?shù)據(jù)庫