耳語(yǔ)音說(shuō)話人識(shí)別的研究.pdf

1、耳語(yǔ)音說(shuō)話人識(shí)別是指根據(jù)包含在耳語(yǔ)音中的同說(shuō)話人有關(guān)的信息來(lái)自動(dòng)識(shí)別說(shuō)話人，可以應(yīng)用于電話銀行、特殊場(chǎng)合的身份確認(rèn)、公眾場(chǎng)合下的通訊和國(guó)家安全的某些特殊需要等方面。它是一個(gè)較新的課題，有許多問(wèn)題有待解決。 因?yàn)槎Z(yǔ)音發(fā)音方式與正常音不同，所以兩者在說(shuō)話人識(shí)別上有著很大的差異。本文建立了基于GMM模型的說(shuō)話人識(shí)別系統(tǒng)，通過(guò)研究文本無(wú)關(guān)的說(shuō)話人辨認(rèn)，比較了耳語(yǔ)音和正常音的區(qū)別并通過(guò)特征的修正優(yōu)化了耳語(yǔ)音說(shuō)話人識(shí)別系統(tǒng)。本文的工作主要

2、體現(xiàn)在以下方面： 建立了22人的耳語(yǔ)音庫(kù)和正常語(yǔ)音庫(kù)，使用Mel倒譜系數(shù)(MFCC)、線性預(yù)測(cè)倒譜系數(shù)(LPCC)、差分Mel倒譜系數(shù)(△MFCC)、差分線性預(yù)測(cè)系數(shù)(△LPCC)和組合特征MFCC+LPCC作為特征參數(shù)，比較了正常音和耳語(yǔ)音的說(shuō)話人識(shí)別效果。 利用耳語(yǔ)音庫(kù)和正常語(yǔ)音庫(kù)，本文比較了MFCC維數(shù)的變化對(duì)正常音和耳語(yǔ)音的說(shuō)話人識(shí)別的影響。實(shí)驗(yàn)中正常音的說(shuō)話人識(shí)別率在16維最高，而耳語(yǔ)音的說(shuō)話人識(shí)別率在50維最