應(yīng)用于移動端的語音身份認(rèn)證研究.pdf

1、經(jīng)歷了半個多世紀(jì)的發(fā)展，語音識別技術(shù)日趨成熟，尤其是語音輸入法、語音指令以及語音與文本之間的相互轉(zhuǎn)換等技術(shù)。而后隨著近幾年智能手機(jī)的普及，語音識別技術(shù)開始進(jìn)入移動終端時代。但由于移動終端的語音識別存在語句短、訓(xùn)練集小、環(huán)境噪聲復(fù)雜以及移動設(shè)備多樣等諸多限制，使得移動終端語音身份認(rèn)證準(zhǔn)確率低，阻礙了移動終端語音身份認(rèn)證的推廣應(yīng)用。另外，由于大多數(shù)相關(guān)研究集中于語音內(nèi)容識別和語音合成，基于移動終端的語音識別技術(shù)一直沒有大的突破。本論文從語音

2、前期預(yù)處理、語音身份認(rèn)證架構(gòu)和語音內(nèi)容等三個方面入手，設(shè)計相關(guān)實(shí)驗(yàn)，試圖解決移動設(shè)備語音識別準(zhǔn)確率低的難題，隨后并進(jìn)行了分析評價。
　　在本論文中，從語音預(yù)處理入手，提出了基于短時能量的語音有效成分提取算法，該算法是由傳統(tǒng)的端點(diǎn)檢測算法改進(jìn)得到，算法在提取語音信號中有效成分的同時，可以去除語音信號中的無效靜音段。實(shí)驗(yàn)表明，該算法不僅減少了語音信號量，而且削弱了噪聲對整體身份認(rèn)證的干擾。從語音身份認(rèn)證架構(gòu)入手，提出基于多階規(guī)整時間的

3、語音身份認(rèn)證架構(gòu)，該架構(gòu)有效結(jié)合基于小波變換的特征提取算法與動態(tài)時間規(guī)整算法，融合兩者的優(yōu)勢?；谛〔ㄗ儞Q的特征提取算法可對語音信號時域和頻域同時進(jìn)行不同細(xì)分度的特征提取，可以從小訓(xùn)練集中提取更多的特征參數(shù)。實(shí)驗(yàn)驗(yàn)證，在不同移動設(shè)備上，語音識別準(zhǔn)確率提高了3％。從語音內(nèi)容入手，提出基于阿拉伯?dāng)?shù)字串的語音身份認(rèn)證系統(tǒng)改進(jìn)方案。通過多次實(shí)驗(yàn)發(fā)現(xiàn)，對于10個阿拉伯?dāng)?shù)字（0到9），該系統(tǒng)對數(shù)字3、4、5、6和8五個數(shù)字識別性能明顯好于其他五個數(shù)