基于GMM的聲紋識別技術(shù)的研究.pdf

1、聲紋識別又稱為說話人識別，都是根據(jù)人生物特性來判斷人的身份。聲音作為人最自然的交流手段，以其無法比擬的優(yōu)勢被廣泛應(yīng)用到身份識別中去。本文的工作是研究基于高斯混合模型的說話人識別技術(shù)，并對特征參數(shù)的選取和識別算法做了一定的改進，以便獲得較高的識別率。根據(jù)說話人識別的幾個階段，詳細闡述了說話人識別技術(shù)的特征提取，模型建立等環(huán)節(jié)。聲紋識別的建模有很多種技術(shù)，目前高斯混合模型以其建模簡單、性能好、與文本無關(guān)等特性是使用最多的建模方法之一。

2、>　　本文介紹了高斯模型的建立、參數(shù)估計以及識別方法。在識別階段根據(jù)語音幀中的某些特定不好的語音幀會影響系統(tǒng)的識別率的情況，給出了一種基于幀投票的判決方案。由于高斯混合模型在說話人很多的時候計算量較大，本文使用VQ方法來對高斯混合模型分成男聲和女聲兩個部分，并使用動態(tài)時間規(guī)整算法來計算各個基音之間的距離來減少模型的對比次數(shù)，從而減少了識別時間。目前，大部分的聲紋識別模型都是基于MFCC的混合高斯模型，MFCC包含語音頻率結(jié)構(gòu)的時間變化信

3、息，相對穩(wěn)定，但不同的聲紋之間容易相互模仿，本論文針對MFCC的易模仿性，增加了另一種特征參數(shù)，基音周期，基音周期包含了語音頻率結(jié)構(gòu)信息，雖然會受到說話人健康狀況的影響，但不容易模仿，將二者結(jié)合用于聲紋識別。針對MFCC特征參數(shù)會損失人的部分聲學(xué)特性的情況，將動態(tài)MFCC系數(shù)加入到特征向量中，又由于加入后會使得特征向量變得復(fù)雜，根據(jù)他們對身份識別率的貢獻給出了一種加權(quán)的MFCC。最后進行了實驗驗證。驗證了特征參數(shù)、高斯混合模型階數(shù)、加權(quán)