與文本相關(guān)的說話人識別方法研究.pdf

1、說話人識別作為語音識別的一種特殊形式，是當(dāng)前語音信號處理技術(shù)的研究熱點之一，該技術(shù)對于各類機(jī)要場所、安防等領(lǐng)域的身份認(rèn)證具有重要的應(yīng)用價值。 本文首先根據(jù)語音信號的物理產(chǎn)生過程以及人耳的聽覺特性，介紹了兩種系統(tǒng)模型，分析和提取出了幾種應(yīng)用較為廣泛的說話人特征參數(shù)。其次，分別以連續(xù)隱馬爾可夫模型CHMM及BP網(wǎng)絡(luò)為例，詳細(xì)闡述了隱馬爾可夫模型HMM與人工神經(jīng)網(wǎng)絡(luò)ANN兩種不同的建模理論與識別策略，討論了二者在說話人識別當(dāng)中的一些應(yīng)

2、用問題，構(gòu)造完成了兩類不同的話者識別模型，并編程實現(xiàn)了相應(yīng)的識別算法。接著，在特征提取方面嘗試了一種較新的組合形式，仿真實驗結(jié)果表明將多種特征參數(shù)進(jìn)行合理組合有助于提高說話人識別系統(tǒng)的正確識別率。最后，在不增加網(wǎng)絡(luò)設(shè)計、構(gòu)建方面的困難與復(fù)雜度的情況下，考慮如何將規(guī)模龐大的多維多幀說話人語音特征矢量送入人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，同時又保證所訓(xùn)練出的網(wǎng)絡(luò)具有較高的識別性能，針對這一問題本論文給出并應(yīng)用了一種新穎的特征參數(shù)處理方案。該方案以說話人

3、聲音特征參量各維的變化情況來反映該講話者聲音特性的變化，一定程度地降低了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性，較好地解決了網(wǎng)絡(luò)設(shè)計當(dāng)中面臨的一些實際問題。 在對以Mel倒譜及其差分形式為組合特征參數(shù)的仿真測試中，本論文采用上述特征參數(shù)處理方案建立了一BP網(wǎng)絡(luò)，在訓(xùn)練過程中時間開銷約為8秒。在識別測試中，對隨意抽取的10個未參與訓(xùn)練的待測樣本全部識別正確，總耗時約為10.3秒。仿真結(jié)果較好地證明了本論文所給出的特征參數(shù)處理方案能有效降低網(wǎng)絡(luò)搭建的