基于深度學習的說話人識別系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、說話人識別是根據(jù)說話人提供的語音信號的特性來自動識別說話人身份的一種技術(shù)。作為一種生物認證技術(shù)，它具有用戶的接受度高、所需的設(shè)備成本低以及便于移植等優(yōu)勢，相對于其他的技術(shù)，它體現(xiàn)了更方便、經(jīng)濟和安全的特點，因此被廣泛應(yīng)用到網(wǎng)絡(luò)、國防系統(tǒng)及科研等領(lǐng)域，從而使說話人識別技術(shù)具有普遍的使用價值和重要意義。
　　說話人識別系統(tǒng)的終極目標是使人與機器之間能夠像人與人之間一樣自如地交流。首先，本文對說話人識別的基本原理和識別系統(tǒng)的結(jié)構(gòu)以及實現(xiàn)

2、的過程進行了簡單的介紹，分析了說話人識別系統(tǒng)中常用的主流特征參數(shù)—梅爾倒譜系數(shù)(MFCC)，還在借助MFCC的基礎(chǔ)上描述了高斯混合模型(GMM)的說話人識別的過程;其次，對于本文需要做的工作所用到的理論背景知識—深度學習理論中的深度信念網(wǎng)絡(luò)系統(tǒng)做出了充分而詳細的介紹，深度信念網(wǎng)絡(luò)可以彌補淺層學習附有的學習不充分和網(wǎng)絡(luò)的深度不足的缺點，因此被廣泛地運用到模式的識別和目標的檢測等諸多領(lǐng)域內(nèi)，本文就是在深度信念網(wǎng)絡(luò)的基礎(chǔ)上來實現(xiàn)的說話人識別;