說話人識別系統(tǒng)的魯棒性研究與實現(xiàn).pdf

1、說話人識別技術(shù)是一種基于個人獨特的語音特征進行身份鑒別的技術(shù)。
　　 當前，很多說話人識別系統(tǒng)仍處于實驗階段，少數(shù)實用系統(tǒng)也都有限定條件，其主要問題有兩個：一是系統(tǒng)在噪聲環(huán)境中的性能都不可避免會急劇下降；二是需要較長的語音文本以及大量的訓練數(shù)據(jù)來建立話者模型。本課題針對以上兩點，用Matlab搭建了基于矢量量化(VQ)和基于高斯混合模型(GMM)的兩個說話人識別系統(tǒng)，深入研究了多種語音增強算法，并融入到兩個識別系統(tǒng)中，在噪聲環(huán)境

2、下有效提高了識別系統(tǒng)的魯棒性能；使用盡可能少的訓練數(shù)據(jù)(2S)建立有效的話者模型，實現(xiàn)魯棒的抗噪聲說話人識別系統(tǒng)。此課題的研究具有一定的現(xiàn)實意義。
　　 本課題主要工作如下：
　　 (1)研究了兩種特征提取方法：LPCC和MFCC，選用了在有信道噪聲和頻譜失真時魯棒性較好的MFCC作為說話人識別系統(tǒng)的特征參數(shù)。
　　 (2)研究并實現(xiàn)了基于VQ和基于GMM的與文本無關(guān)的說話人識別系統(tǒng)，實現(xiàn)了對文件語音的識別和對來

3、自麥克風聲音的實時的身份識別，以及查閱和刪除數(shù)據(jù)庫信息、各參數(shù)圖譜分析、語音播放等功能。并對傳統(tǒng)的LBG算法作了去除空胞腔及分裂上的優(yōu)化。
　　 (3)實驗室環(huán)境錄制了23人的69段各2秒的短語音庫，于VQ和GMM兩系統(tǒng)上進行了多組實驗：確定了系統(tǒng)最佳MFCC維數(shù)20mfcc+20△mfcc(40維)和預加重系數(shù)；證實了VQ識別率隨質(zhì)心數(shù)增加而增長；而對訓練數(shù)據(jù)不充分的短語音，GMM識別率卻并不隨混合數(shù)增長而增加!綜合考慮識別速

4、率，確定了最佳質(zhì)心數(shù)和混合數(shù)。實驗結(jié)果也表明GMM系統(tǒng)的魯棒性優(yōu)于VQ系統(tǒng)。
　　 (4)研究了基于小波的語音增強方法，包括Daubechies小波(db2、db4)的全閾值消噪和Symlets小波的四種閾值消噪(heursure啟發(fā)式閾值、rigrsure自適應閾值；sqtwolog固定閾值；minimaxi極大極小值閾值)，并融入到VQ與GMM識別系統(tǒng)中，實驗測試了各種閾值小波增強對系統(tǒng)識別率的影響。
　　 (5)研

5、究了WF維納濾波、SS譜減、SDNFS軟判決噪聲抑制濾波、小波自適應閾值消噪和MMSE-STSA-LOG短時對數(shù)譜最小均方誤差五種語音增強方法，并提出了一種自適應閾值小波與子空間聯(lián)合增強的新方法。先從各時域波形圖與語譜圖噪點進行分析，并將各增強算法載入VQ和GMM模型的話者識別系統(tǒng)上進行實驗，對測試語音進行了多種信噪比的文本相關(guān)和文本無關(guān)的識別率測試。實驗結(jié)果表明：MMSE-STSA-LOG增強有效地提高了GMM系統(tǒng)的抗噪魯棒性；而新增