聲紋識(shí)別相關(guān)技術(shù)研究及應(yīng)用.pdf

1、聲紋識(shí)別技術(shù)作為僅次于掌紋和指紋識(shí)別的第三大生物特征識(shí)別技術(shù)，在金融、司法、安全和智能設(shè)備中有著廣泛的應(yīng)用。相對(duì)于指紋和掌紋這些生物特征識(shí)別技術(shù)，聲紋識(shí)別技術(shù)具有采集方便、成本低以及算法復(fù)雜度低等優(yōu)勢(shì)。因此，聲紋識(shí)別技術(shù)發(fā)展空間廣闊，商業(yè)價(jià)值和意義重大，是國(guó)內(nèi)外學(xué)者研究的一個(gè)熱點(diǎn)。
　　梅爾倒譜系數(shù)（Mel-Frequency Cepstral Coefficients，MFCC）是聲紋識(shí)別中最常用的一種體現(xiàn)語(yǔ)音特征的參數(shù)，它是一

2、種模仿人耳的聽覺特性而提取的一種特征參數(shù)，它與線性倒譜不同，能夠很好地反應(yīng)語(yǔ)音信號(hào)的特征。本文在研究了MFCC參數(shù)的提取過(guò)程和小波包分解的相關(guān)理論的基礎(chǔ)上，針對(duì)MFCC參數(shù)提取過(guò)程中忽略了部分高頻細(xì)節(jié)和MFCC參數(shù)只能反映語(yǔ)音靜態(tài)特征這兩個(gè)問(wèn)題，利用小波包分解對(duì)MFCC參數(shù)的提取過(guò)程進(jìn)行改進(jìn)。實(shí)驗(yàn)證明，改進(jìn)的特征參數(shù)在聲紋識(shí)別中具有較高的識(shí)別率和較好的抗噪性。
　　支持向量機(jī)（Support Vector Machine，SVM）

3、是一種機(jī)器學(xué)習(xí)的方法，它追求在有限的樣本數(shù)量條件下得到最優(yōu)的分類結(jié)果。本文在研究了SVM的核函數(shù)及其參數(shù)對(duì)SVM分類的影響的基礎(chǔ)上，針對(duì)懲罰因子和核參數(shù)的選取，利用粒子群算法（Particle Swarm Optimization，PSO）對(duì)兩個(gè)參數(shù)進(jìn)行尋優(yōu)，并對(duì)PSO算法進(jìn)行改進(jìn)，改善了算法的性能并應(yīng)用到SVM中。實(shí)驗(yàn)證明改進(jìn)的PSO算法對(duì)SVM參數(shù)進(jìn)行優(yōu)化，在聲紋識(shí)別應(yīng)用中能夠達(dá)到較好的分類效果，提高了識(shí)別率。
　　在研究了聲