噪聲環(huán)境下的說話人識別技術(shù).pdf

1、語音是人與人之間交流最直接且最有效的途徑之一。語音在承載信息的同時，還包含了說話人的個性特征。說話人識別技術(shù)就是依據(jù)語音信號中能夠代表說話人個性特征的參數(shù)來識別話者身份的技術(shù)。在過去的幾十年里，說話人識別技術(shù)取得了很大的發(fā)展和進步。而阻礙說話人識別技術(shù)進一步走向?qū)嵱玫闹饕系K，則是各種實際應(yīng)用場景中的噪聲。這些噪聲極大地降低了系統(tǒng)的識別性能，影響了說話人識別技術(shù)的應(yīng)用和推廣。本文主要研究了在噪聲環(huán)境下的說話人識別問題。論文主要對端點檢測

2、、信號空間的抗噪技術(shù)、特征空間的抗噪技術(shù)等方面進行了研究。
　　本文主要研究工作包括以下幾個方面:
　　(1)低信噪比下的端點檢測技術(shù)研究，首先介紹了在噪聲環(huán)境下表現(xiàn)效果較好的兩種端點檢測方法:基于CO復(fù)雜度的端點檢測算法、基于MFCC相似度的端點檢測算法;然后在二者的基礎(chǔ)上研究了一種新的端點檢測算法:基于改進CO復(fù)雜度和MFCC相似度相結(jié)合的端點檢測算法;最后對三種端點檢測算法進行實驗分析，證明了改進算法性能優(yōu)良、穩(wěn)定性更

3、高。
　　(2)信號空間的抗噪技術(shù)研究，首先介紹了常規(guī)的信號空間抗噪方法:譜減法、維納濾波法、基于先驗信噪比的維納濾波法;然后在先驗信噪比的維納濾波法基礎(chǔ)上增加端點檢測環(huán)節(jié):將基于MFCC相似度的端點檢測融入到維納濾波法中;最后對幾種算法在不同信噪比環(huán)境下進行對比實驗，驗證了改進算法的識別性能。
　　(3)特征空間的抗噪技術(shù)研究，首先介紹了幾種常用的魯棒性特征:梅爾頻率倒譜系數(shù)及感知線性預(yù)測系數(shù)，并對上述兩種特征分別進行改進