基于優(yōu)化語音提取的聲紋識別系統(tǒng).pdf

1、聲紋識別對當前人們的生活有著重要的影響,設計一種識別效果好的聲紋識別系統(tǒng)是非常有必要的。決定整體系統(tǒng)的識別率關鍵的就在端點檢測、特征提取以及模板匹配,為了達到更好的識別效果,本文主要研究了端點檢測和特征提取對整體系統(tǒng)的性能影響,當前聯合多種特征參數已成為了一種重要的優(yōu)化參數的方法。
　　本文從語音信號的預處理階段開始對其進行分析,對語音信號進行了去除噪聲和端點檢測,有效的濾除語音信號的無聲段,其可以為語音特征參數在提取時,提供正確

2、有效的語音段。文中分析比較了倒譜特征算法和對數能量特征算法的兩類檢測性能。結果表明,在低信噪比條件下這些算法的檢測性能均不是特別理想,所以需要尋找到能夠更好表征語音的特征參數來進行端點檢測。
　　為了能夠克服傳統(tǒng)方法的倒譜距離語音檢測算法檢測效果在低信噪比下不理想的缺點,本文將結合對數能量(LE)特征和倒譜(C)特征,研究了一種融合對數能量倒譜特征(LEC)的新方法。該方法采用模糊C均值聚類和貝葉斯信息準則(BIC)的方法估計判定

3、特征門限,得到了正確、有效的語音端點判斷,在3種非常典型噪聲干擾下,把信噪比從-5db到15db的帶噪語音進行實驗仿真,實驗結果顯示LEC法的檢測錯誤率僅為20.25％,明顯低于倒譜法和對數能量法,對確定語音的端點更為有效,此方法間接地改善了語音識別效果。
　　本文通過使用MATLAB專用語音處理工具箱,提取錄入語音片段的特征參數,采用動態(tài)時間歸整算法使參考模板與測試模板來進行匹配,提高了一定的系統(tǒng)識別率。本文考慮到系統(tǒng)的可靠性,