基于MFCC和GMM的說話人識別系統(tǒng)研究.pdf

1、說話人識別作為生物認證技術(shù)的一種，是根據(jù)應(yīng)用語音波形中反映說話人生理和行為特征語音參數(shù)，自動鑒別說話人身份的一種技術(shù)。與其它生物識別技術(shù)相比，說話人識別具有更為簡便，經(jīng)濟及可擴展性良好等眾多優(yōu)勢，可廣泛應(yīng)用于電話銀行，數(shù)據(jù)庫訪問，計算機遠程登錄，安全驗證，控制等領(lǐng)域。正因為說話人識別具有如此廣闊的應(yīng)用前景，國內(nèi)外許許多多的工作者投身于這一領(lǐng)域的研究中。在眾多的說話人識別技術(shù)中，本文主要研究了基于Mel頻率倒譜系數(shù)(Mel-Frequen

2、cyCepstrumCoefficients，簡稱MFCC)和高斯混合模型(GaussianMixtureModel，簡稱為GMM)的說話人識別系統(tǒng)。 人的聲道響應(yīng)是反映說話人個性特征的重要的物理量。而語音信號中聲道響應(yīng)是和聲門激勵信息卷積在一起的。為了從語音信號中得到聲道響應(yīng)就必須對語音信號實現(xiàn)解卷積。本文介紹了對語音信號實現(xiàn)解卷積求取倒譜系數(shù)的兩種方法：線性預(yù)測分析和同態(tài)分析處理。通過對語音信號進行解卷，從而獲得與聲道響應(yīng)有

3、關(guān)的倒譜系數(shù)，組成特征向量。 現(xiàn)實生活中人耳是一個比較好的說話人識別系統(tǒng)，而人耳對聲音頻率的感知卻不是線性的。本文通過對人耳聽覺的生理和心理特性的分析介紹，提出了利用音調(diào)特性來進行倒譜特征提取的方案，即用MEL頻率對短時功率譜做頻率彎折處理。在這種新的倒譜提取過程中，用符合臨界帶分布的等效濾波器組來模擬人耳聽覺的非線性特性，從而得到了Mel頻率倒譜系數(shù)(MFCC)。文中詳細介紹了提取MFCC倒譜系數(shù)的理論基礎(chǔ)和實現(xiàn)方案，并與傳統(tǒng)

4、的線性預(yù)測技術(shù)作了比較，實驗結(jié)果表明這種改進后的倒譜特征提取方法比較有效。 說話人識別中有許多先進有效的識別技術(shù)，其中高斯混合模型(GMM)由于性能較好、復(fù)雜度小、方法簡單，是目前最好的說話人識別算法之一。本文介紹了GMM模型的概念、模型參數(shù)的估計以及GMM的識別算法，并通過實驗研究分析了GMM模型的階數(shù)對識別性能的影響。 另外，本文還介紹了倒譜系數(shù)的動態(tài)特征，從MFCC對時間的一階導(dǎo)數(shù)得到了反映倒譜動態(tài)特性的△MFCC