基于泛布爾代數(shù)的說話人識(shí)別算法的研究.pdf

1、現(xiàn)在信息技術(shù)日新月異，如何鑒定個(gè)人身份來保護(hù)信息安全越來越重要。說話人識(shí)別作為生物特征認(rèn)證技術(shù)的一種，是指通過說話人的語音來自動(dòng)識(shí)別說話人的身份，和傳統(tǒng)的認(rèn)證方式相比，具有使用方便、安全性高、不易被遺忘等優(yōu)點(diǎn)，在電話金融交易、軍事偵察和信息檢索等領(lǐng)域有著廣泛的應(yīng)用前景。 本文以校國(guó)防預(yù)研基金《智能化的實(shí)時(shí)語音識(shí)別系統(tǒng)研究》為背景依托，對(duì)說話人識(shí)別方法應(yīng)用作了較深入系統(tǒng)的研究。由于說話人識(shí)別和泛布爾代數(shù)都是尋找事物特有規(guī)律、尋求一

2、個(gè)符合人們理解的和有效的邏輯抽象，所以將泛布爾代數(shù)的思想引入說話人識(shí)別系統(tǒng)之中，實(shí)驗(yàn)證明是可行的。 本系統(tǒng)首先從語音信號(hào)的預(yù)處理開始分析，通過MATLAB語音處理工具箱提取輸入語音的特征參數(shù)，對(duì)語音信號(hào)進(jìn)行了端點(diǎn)檢測(cè)，濾除了語音信號(hào)的無聲段和噪聲，為語音特征參數(shù)的提取提供了有效語音段。選用美爾倒譜系數(shù)及其差分作為語音識(shí)別的特征參數(shù)，來描述人耳的聽覺頻率非線性特性，提高了系統(tǒng)的識(shí)別性能。通過分析說話人識(shí)別基本原理與系統(tǒng)結(jié)構(gòu)，考察現(xiàn)

3、有的說話人識(shí)別技術(shù)，分別應(yīng)用矢量量化(VQ)、隱馬爾可夫模型(HMM)以及高斯混合模型(GMM)和泛布爾代數(shù)相結(jié)合的方法應(yīng)用于說話人識(shí)別的識(shí)別方法并建立說話人識(shí)別系統(tǒng)。VQ方法是最簡(jiǎn)單又易于實(shí)現(xiàn)，HMM方法能將語音動(dòng)態(tài)分割，既能體現(xiàn)語音的動(dòng)態(tài)特征，又能體現(xiàn)語音的平穩(wěn)特性，GMM用多個(gè)加權(quán)高斯密度函數(shù)的組合來逼近說話人特征矢量在特征空間的分布密度，收到了較好的結(jié)果。分別基于VQ、HMM、GMM方法的說話人識(shí)別系統(tǒng)各有優(yōu)缺點(diǎn)，但如果用單一的