基于線譜對(duì)系數(shù)和高斯混合模型的說話人識(shí)別技術(shù)研究.pdf

1、隨著信息技術(shù)的發(fā)展和對(duì)信息安全的日益迫切需求，基于生物特征的個(gè)人身份識(shí)別技術(shù)也得到了飛速發(fā)展。說話人識(shí)別是生物識(shí)別的一個(gè)分支，隨著近年來現(xiàn)代電子技術(shù)的高速發(fā)展，正以其獨(dú)特的方便性、經(jīng)濟(jì)性和準(zhǔn)確性等優(yōu)勢受到世人矚目，是當(dāng)前安全認(rèn)證系統(tǒng)研究和發(fā)展的必然趨勢。本文對(duì)小規(guī)模文本無關(guān)說話人識(shí)別的理論和技術(shù)進(jìn)行了系統(tǒng)的研究。針對(duì)清濁音的不同特性采用多尺度分段小波去噪，較完整的保留了語音的頻譜特性。使用自適應(yīng)雙門限法進(jìn)行端點(diǎn)檢測，能根據(jù)不同的語音環(huán)境

2、做自適應(yīng)變化，提高了端點(diǎn)檢測性能。線譜對(duì)LSP（Linear Spectrum Pairs）系數(shù)具有良好的動(dòng)態(tài)范圍和濾波穩(wěn)定性，以及良好的內(nèi)插特性和量化特性，并能良好的表征說話人語音中的共振峰信息，能更好地提取語音信號(hào)中隱含的音譜特征，本文分析了其頻譜特性，并與現(xiàn)有的主要說話人特征進(jìn)行了性能分析和比較，證明LSP參數(shù)具有良好的說話人特征提取性能。同時(shí)針對(duì)GMM模型的EM算法使用k-Means聚類法進(jìn)行了優(yōu)化，提高了系統(tǒng)訓(xùn)練模型的性能。本