基于支持相量機(jī)的穩(wěn)鍵說話人識(shí)別.pdf

1、說話人識(shí)別屬于生物識(shí)別的一種，是指從說話人的一段語音中提取出說話人的個(gè)性特征，通過對(duì)這些個(gè)性特征的分析和識(shí)別，從而達(dá)到對(duì)說話人進(jìn)行辨認(rèn)或確認(rèn)的目的。它被認(rèn)為是最自然的生物特征識(shí)別身份鑒定方式。由于語音是個(gè)人所固有的特征，人的語音可以非常自然的產(chǎn)生，訓(xùn)練和識(shí)別時(shí)并不需要特別的輸入設(shè)備，諸如個(gè)人電腦普遍配置的話筒和到處都有的電話都可以作為輸入設(shè)備，因此說話人識(shí)別系統(tǒng)的價(jià)格也較低，上述原因促使語音成為人們?cè)敢饨邮艿囊环N生物特征。盡管目前說話人

2、識(shí)別技術(shù)已經(jīng)取得了相當(dāng)大的進(jìn)展，但是將說話人識(shí)別技術(shù)大規(guī)模的應(yīng)用到實(shí)際還有很多問題有待于解決，是當(dāng)前生物特征識(shí)別領(lǐng)域研究的熱點(diǎn)。 本文研究了基于支持向量機(jī)的說話人識(shí)別，通過理論分析和實(shí)驗(yàn)結(jié)果得知，基于SVM的說話人識(shí)別雖然可以取得比較好的效果，但當(dāng)數(shù)據(jù)規(guī)模增大時(shí)，識(shí)別效率下降比較快，缺少對(duì)大規(guī)模數(shù)據(jù)的處理能力。為了彌補(bǔ)基于SVM的說話人識(shí)別的這個(gè)缺點(diǎn)，本文對(duì)基于GMM的說話人識(shí)別進(jìn)行了研究，提出基于SVM+GMM的說話人識(shí)別方法

3、，將兩種識(shí)別方法的優(yōu)點(diǎn)進(jìn)行了結(jié)合。實(shí)驗(yàn)結(jié)果表明，該方法可以取得比其它兩種方法都好的識(shí)別性能，并且它既有處理大規(guī)模數(shù)據(jù)的能力又可以在訓(xùn)練樣本不足的情況下得到較高的識(shí)別率。 本文在研究了雙分界面的支持向量機(jī)這種新的分類器模型后，提出了將TWSVM模型應(yīng)用于說話人識(shí)別的方法，并采用一種新的結(jié)合方式將其與GMM模型結(jié)合起來，從而得到基于TWSVM+GMM的說話人識(shí)別方法體系。該方法是使用GMM模型進(jìn)行特征提取，將得到的特征參數(shù)作為輸入進(jìn)