聲紋識別在聲控系統(tǒng)中的研究與實現(xiàn).pdf

1、隨著人類數(shù)字化生活需求的增加和多媒體時代的來臨，人們越來越渴望打破過去傳統(tǒng)的人機交互模式，尋找一種更加自然、友好、穩(wěn)定的交互方式。近期iphone4s的Siri語音控制功能的推出再一次引領(lǐng)了語音識別的研究熱潮。本文正是在這種背景之下，通過構(gòu)建基于Windows的語音控制系統(tǒng)作為聲紋識別的具體應(yīng)用環(huán)境，將聲紋識別和語音識別結(jié)合起來，實現(xiàn)一個具有聲紋識別功能的分權(quán)限語音控制系統(tǒng)。同時將本文的研究重心放在聲紋識別相關(guān)技術(shù)的研究中，以尋求一種具

2、備聲紋識別功能的人性化交互模式。本文的具體工作如下：
　　 本文首先介紹了基于GMM(Gaussian Mixture Model)的聲紋識別和基于SpeechSDK（Software Development Kit）的語音控制的關(guān)鍵技術(shù)。針對傳統(tǒng)GMM和GMM-UBM(Universal Background Model)受訓(xùn)練樣本量的制約和說話人被強制趨于統(tǒng)一分布的弱點，本文提出了基于區(qū)分性GMM的建模方法和區(qū)分性識別方法，

3、以增加說話人之間的差異性為出發(fā)點，使模型能夠更好的擬合說話人特征矢量的空間分布。同時將建模過程中衍生的兩個具有區(qū)分性的子UBM作為特征空間性別分類器，來劃分特征空間和模板庫，從而提高系統(tǒng)的識別率和響應(yīng)速度。
　　 其次本文針對傳統(tǒng)的K-means聚類算法只具備局部尋優(yōu)能力和對初始聚類中心及噪聲點敏感的弱點，本文提出了基于密度和方差的加權(quán)距離聚類、基于模擬退火思想的全局優(yōu)化聚類算法應(yīng)用到聲學(xué)特征類的形成。通過改進的聚類算法使呈現(xiàn)橢