時(shí)變向量自回歸模型在說話人識別中的應(yīng)用.pdf

1、說話人識別是一項(xiàng)根據(jù)語音信號中反映說話人生理和行為特征的語音參數(shù)，自動(dòng)識別說話人的技術(shù)，是一種安全穩(wěn)定的生物認(rèn)證技術(shù)，具有廣闊的應(yīng)用前景。如何從語音信號中準(zhǔn)確提取說話人的個(gè)性特征，是說話人識別的關(guān)鍵問題。
　　 本文研究與文本有關(guān)的說話人識別問題。通過對語音信號的預(yù)處理、頻域及倒譜域的分析，得到了平均MEL倒譜，選取MEL倒譜峰值對應(yīng)的頻率為特征頻率。選擇其中隨時(shí)間變化最大的和對應(yīng)MEL倒譜峰值最大的特征頻率作為本文的特征頻率來

2、進(jìn)行分析。對兩個(gè)特征頻率Mel倒譜值序列分別建立多元線性回歸模型，分離其趨勢分量和波動(dòng)分量。
　　 本文在TVPAR模型理論基礎(chǔ)上進(jìn)行拓展，建立時(shí)變向量自回歸(TVVAR)模型，并對二元波動(dòng)分量序列進(jìn)行分析，進(jìn)一步提取說話人語音信號的特征參數(shù)，并通過D比來評價(jià)和選擇最終的識別參數(shù)。運(yùn)用馬氏距離，對說話人進(jìn)行初步識別，達(dá)到了99.8％的識別率。為了充分利用距離的信息，對距離差的分布進(jìn)行了分析，將到說話人語音模板的距離減去與到他人的