基于GMM的說(shuō)話人語(yǔ)音識(shí)別研究與實(shí)踐.pdf

1、說(shuō)話人識(shí)別作為語(yǔ)音信號(hào)處理技術(shù)的一個(gè)代表和重要組成部分，近幾年來(lái)，日益成為當(dāng)今的一個(gè)研究熱點(diǎn)，在電子商務(wù)、消費(fèi)、銀行等遠(yuǎn)程客戶服務(wù)的身份認(rèn)證，軍事安全領(lǐng)域的說(shuō)話人身份自動(dòng)檢測(cè)認(rèn)證中具有極大的應(yīng)用價(jià)值和廣泛的應(yīng)用前景。它是一種基于生物特征信息的身份識(shí)別方法，通過(guò)對(duì)說(shuō)話人的語(yǔ)音進(jìn)行分析，從而對(duì)說(shuō)話人身份做出正確識(shí)別和判斷的一項(xiàng)研究。依據(jù)判別方式的不同(一對(duì)多，一對(duì)一)，說(shuō)話人識(shí)別可以分為說(shuō)話人辨認(rèn)和說(shuō)話人確認(rèn)。隨著交互技術(shù)和信息技術(shù)的飛速發(fā)

2、展，說(shuō)話人識(shí)別開始越來(lái)越受到大家的關(guān)注。
　　 本論文主要做的工作如下：
　　 首先，本文針對(duì)說(shuō)話人識(shí)別的前端處理方面進(jìn)行了相關(guān)研究，得出并實(shí)現(xiàn)了一個(gè)比較合理的處理算法；
　　 其次，討論不同語(yǔ)音特征向量的提取方法，最終得出針對(duì)說(shuō)話人識(shí)別而言比較合理的特征向量：美爾倒譜系數(shù)(MFCC)。在成功提取出MFCC的前提下，討論了MFCC各維參數(shù)對(duì)最終結(jié)果的貢獻(xiàn)；
　　 再次，在識(shí)別模型的訓(xùn)練方面，主要研究高斯混

3、合模型的模型訓(xùn)練，在這種訓(xùn)練方法中，主要討論了最大似然估計(jì)算法，期望-最大化算法以及最大模型距離法；
　　 再其次，在性能研究方面，研究了不同高斯混合密度下說(shuō)話人辨認(rèn)系統(tǒng)的識(shí)別率，認(rèn)為高斯密度個(gè)數(shù)的選擇與訓(xùn)練語(yǔ)音數(shù)據(jù)量具有相關(guān)性。同時(shí)驗(yàn)證了其他其它幾個(gè)與識(shí)別率有關(guān)的參數(shù)因素與系統(tǒng)性能關(guān)系；
　　 最后，搭建了一個(gè)說(shuō)話人識(shí)別系統(tǒng)用于試驗(yàn)測(cè)試，驗(yàn)證了一些參數(shù)對(duì)性能的影響，同時(shí)使用了多線程并行處理技術(shù)，以此縮短識(shí)別時(shí)間：并提出