說話人識別算法研究及其在安卓平臺的實(shí)現(xiàn).pdf

1、說話人識別技術(shù)，也稱為聲紋識別技術(shù)，是根據(jù)說話人之間的不同發(fā)音和行為特征來鑒別說話人身份的一種生物識別方案，它具有采集簡單、使用方便的優(yōu)點(diǎn)。隨著移動互聯(lián)網(wǎng)技術(shù)和智能移動終端的飛速發(fā)展，移動手持終端設(shè)備已經(jīng)滲透到現(xiàn)實(shí)生活的方方面面，極大的方便了人們的生活、工作和學(xué)習(xí)。越來越多的移動應(yīng)用納入聲紋識別、語音識別技術(shù)并發(fā)布在移動平臺的應(yīng)用商店里，如Android平臺應(yīng)用商店的聲紋解鎖、科大訊飛的靈犀語音助手等。
　　本文從語音信號的產(chǎn)生原

2、理入手，介紹了說話人識別系統(tǒng)的基本結(jié)構(gòu)和說話人個性特征參數(shù)的提取流程，包括了預(yù)加重、加窗分幀和端點(diǎn)檢測，詳細(xì)地歸納了常見的說話人個性特征參數(shù)LPC、LPCC和MFCC的提取方法。研究了基于VQ的說話人識別系統(tǒng)和GMM說話人識別系統(tǒng)并在Matlab上進(jìn)行實(shí)驗仿真，最后在移動智能手機(jī)市場占有率最高的Android系統(tǒng)上實(shí)現(xiàn)了基于VQ的說話人識別系統(tǒng)。本文的主要研究內(nèi)容如下：
　?。?）針對傳統(tǒng)短時能量和平均過零率在低信躁比環(huán)境下魯棒性

3、較差，本文提出了一種結(jié)合短時能量和分形維數(shù)的端點(diǎn)檢測方法。
　?。?）深入研究了基于VQ的說話人識別系統(tǒng)，詳細(xì)闡述了VQ基本原理和LBG算法。以CoolEdit錄制的小型語音庫，在Matlab搭建了基于VQ的說話人識別系統(tǒng)，并通過該系統(tǒng)論證不同的碼本尺寸、訓(xùn)練或識別語音樣本的時長和特征參數(shù)的維數(shù)對系統(tǒng)識別性能的影響。
　?。?）以高斯混合模型作為說話人模型，使用K均值聚類算法初始化GMM參數(shù)。以TIMIT語音庫，在Matla

4、b上搭建了基于GMM的說話人識別系統(tǒng)并通過與用戶友好交互的界面，論證了不同的GMM階數(shù)、訓(xùn)練或識別語音樣本的時長、特征參數(shù)、協(xié)方差閾值和語音幀長對系統(tǒng)識別性能的影響。
　?。?）在Android平臺上實(shí)現(xiàn)了基于VQ的說話人識別系統(tǒng)，然后簡要介紹了該系統(tǒng)結(jié)構(gòu)和各模塊的實(shí)現(xiàn)方法，通過實(shí)驗驗證在低信躁環(huán)境下本文提出的結(jié)合短時能量和分形維數(shù)的端點(diǎn)檢測方法優(yōu)于傳統(tǒng)基于短時能量和平均過零率的端點(diǎn)檢測方法。
　　本文最后對未來的研究工作進(jìn)