基于MFCC特征和GMM模型的說話人識別系統(tǒng)研究.pdf

1、說話人識別是通過采集說話人的聲音信號進行特征提取，分析處理后來進行說話人的辨認(rèn)或者確認(rèn)。隨著當(dāng)今互聯(lián)網(wǎng)和信息化技術(shù)的飛速發(fā)展，越來越多的相關(guān)領(lǐng)域?qū)⒂玫秸f話人識別技術(shù)，說話人識別技術(shù)符合現(xiàn)代身份信息驗證要求的數(shù)字化、快捷化、隱行化的特點。說話人識別作為生物認(rèn)證技術(shù)中的一項重要技術(shù)，可以廣泛應(yīng)用在司法刑偵、金融安全、視覺監(jiān)控及身份驗證等領(lǐng)域。隨著說話人識別研究的深入，其關(guān)鍵性技術(shù)主要圍繞著特征提取和模式匹配等問題展開。以梅爾倒譜系數(shù)(Mel

2、FrequencyCepstrumCoefficient，MFCC)為代表的倒譜特征參數(shù)由于充分考慮人的聽覺特性，不含任何前提假設(shè)，具有良好的性能，成為語音識別領(lǐng)域的主流參數(shù)。而以高斯混合模型(GaussianMixtureModel，GMM)為代表的概率統(tǒng)計模型由于可以有效的描述語音特征參數(shù)數(shù)據(jù)集分布，成為文本無關(guān)說話人識別領(lǐng)域的主流技術(shù)。
　　 本文在研究說話人識別關(guān)鍵性算法的基礎(chǔ)上，通過研究基于倒譜特征的特征參數(shù)提取方法和

3、基于模板匹配及概率統(tǒng)計的模式匹配方法，研究實現(xiàn)了基于MFCC特征的VQ說話人識別系統(tǒng)和GMM模型的說話人識別系統(tǒng)。主要研究內(nèi)容如下:
　　 1.在譜減法語音增強說話人識別方法的基礎(chǔ)上，提出一種改進的譜減法，然后直接通過增強后的語音功率譜提取MFCC參數(shù)。改進的譜減法通過改變噪聲功率譜估計的統(tǒng)計平均參數(shù)，來消除普通譜減法對語音增強時產(chǎn)生的音樂噪聲，提升系統(tǒng)的性能。最后通過實驗指出了語音增強方法在低信噪比情況下，對語音效果的改善尤其

4、明顯。
　　 2.提取MFCC特征參數(shù)的一階差分特征參數(shù)，并與原參數(shù)進行組合，得到組合特征參數(shù)。該組合特征參數(shù)相比于普通特征參數(shù)具有更高的動態(tài)特性，更好的魯棒特性。本文首次對組合參數(shù)中具有代表性的矢量進行加權(quán)，增加說話人之間的區(qū)分程度，從而提升說話人的識別效率。
　　 3.在研究了VQ基礎(chǔ)原理、LBG應(yīng)用算法與VQ碼本的根本上，設(shè)計實現(xiàn)了基于VQ的說話人識別系統(tǒng)，進行了相關(guān)模型參數(shù)訓(xùn)練和匹配識別過程，實驗分析了不同模型參

5、數(shù)及不同語音樣本時長下的系統(tǒng)識別性能。最后通過該系統(tǒng)在第三章驗證了改進的混合加權(quán)的組合特征在矢量量化系統(tǒng)中能夠有效提升系統(tǒng)的性能。
　　 4.在研究GMM模型參數(shù)估計期望最大化(EM)算法、模型參數(shù)初始化、訓(xùn)練和識別過程的基礎(chǔ)上，設(shè)計實現(xiàn)了基于GMM的說話人識別系統(tǒng)，進行了相關(guān)模型參數(shù)訓(xùn)練和匹配識別過程，實驗分析了不同測試時長、模型參數(shù)、GMM混合度、噪聲環(huán)境對說話人識別系統(tǒng)性能的影響。最后在第三章驗證了改進的譜減法增強語音特征