基于GMM的說話人語音識別研究與實踐.pdf

1、說話人識別作為語音信號處理技術(shù)的一個代表和重要組成部分，近幾年來，日益成為當今的一個研究熱點，在電子商務、消費、銀行等遠程客戶服務的身份認證，軍事安全領域的說話人身份自動檢測認證中具有極大的應用價值和廣泛的應用前景。它是一種基于生物特征信息的身份識別方法，通過對說話人的語音進行分析，從而對說話人身份做出正確識別和判斷的一項研究。依據(jù)判別方式的不同(一對多，一對一)，說話人識別可以分為說話人辨認和說話人確認。隨著交互技術(shù)和信息技術(shù)的飛速發(fā)

2、展，說話人識別開始越來越受到大家的關注。
　　 本論文主要做的工作如下：
　　 首先，本文針對說話人識別的前端處理方面進行了相關研究，得出并實現(xiàn)了一個比較合理的處理算法；
　　 其次，討論不同語音特征向量的提取方法，最終得出針對說話人識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)對最終結(jié)果的貢獻；
　　 再次，在識別模型的訓練方面，主要研究高斯混

3、合模型的模型訓練，在這種訓練方法中，主要討論了最大似然估計算法，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話人辨認系統(tǒng)的識別率，認為高斯密度個數(shù)的選擇與訓練語音數(shù)據(jù)量具有相關性。同時驗證了其他其它幾個與識別率有關的參數(shù)因素與系統(tǒng)性能關系；
　　 最后，搭建了一個說話人識別系統(tǒng)用于試驗測試，驗證了一些參數(shù)對性能的影響，同時使用了多線程并行處理技術(shù)，以此縮短識別時間：并提出