說(shuō)話人識(shí)別算法研究及其在安卓平臺(tái)的實(shí)現(xiàn).pdf

1、說(shuō)話人識(shí)別技術(shù)，也稱(chēng)為聲紋識(shí)別技術(shù)，是根據(jù)說(shuō)話人之間的不同發(fā)音和行為特征來(lái)鑒別說(shuō)話人身份的一種生物識(shí)別方案，它具有采集簡(jiǎn)單、使用方便的優(yōu)點(diǎn)。隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)和智能移動(dòng)終端的飛速發(fā)展，移動(dòng)手持終端設(shè)備已經(jīng)滲透到現(xiàn)實(shí)生活的方方面面，極大的方便了人們的生活、工作和學(xué)習(xí)。越來(lái)越多的移動(dòng)應(yīng)用納入聲紋識(shí)別、語(yǔ)音識(shí)別技術(shù)并發(fā)布在移動(dòng)平臺(tái)的應(yīng)用商店里，如Android平臺(tái)應(yīng)用商店的聲紋解鎖、科大訊飛的靈犀語(yǔ)音助手等。
　　本文從語(yǔ)音信號(hào)的產(chǎn)生原

2、理入手，介紹了說(shuō)話人識(shí)別系統(tǒng)的基本結(jié)構(gòu)和說(shuō)話人個(gè)性特征參數(shù)的提取流程，包括了預(yù)加重、加窗分幀和端點(diǎn)檢測(cè)，詳細(xì)地歸納了常見(jiàn)的說(shuō)話人個(gè)性特征參數(shù)LPC、LPCC和MFCC的提取方法。研究了基于VQ的說(shuō)話人識(shí)別系統(tǒng)和GMM說(shuō)話人識(shí)別系統(tǒng)并在Matlab上進(jìn)行實(shí)驗(yàn)仿真，最后在移動(dòng)智能手機(jī)市場(chǎng)占有率最高的Android系統(tǒng)上實(shí)現(xiàn)了基于VQ的說(shuō)話人識(shí)別系統(tǒng)。本文的主要研究?jī)?nèi)容如下：
　?。?）針對(duì)傳統(tǒng)短時(shí)能量和平均過(guò)零率在低信躁比環(huán)境下魯棒性

3、較差，本文提出了一種結(jié)合短時(shí)能量和分形維數(shù)的端點(diǎn)檢測(cè)方法。
　?。?）深入研究了基于VQ的說(shuō)話人識(shí)別系統(tǒng)，詳細(xì)闡述了VQ基本原理和LBG算法。以CoolEdit錄制的小型語(yǔ)音庫(kù)，在Matlab搭建了基于VQ的說(shuō)話人識(shí)別系統(tǒng)，并通過(guò)該系統(tǒng)論證不同的碼本尺寸、訓(xùn)練或識(shí)別語(yǔ)音樣本的時(shí)長(zhǎng)和特征參數(shù)的維數(shù)對(duì)系統(tǒng)識(shí)別性能的影響。
　?。?）以高斯混合模型作為說(shuō)話人模型，使用K均值聚類(lèi)算法初始化GMM參數(shù)。以TIMIT語(yǔ)音庫(kù)，在Matla

4、b上搭建了基于GMM的說(shuō)話人識(shí)別系統(tǒng)并通過(guò)與用戶(hù)友好交互的界面，論證了不同的GMM階數(shù)、訓(xùn)練或識(shí)別語(yǔ)音樣本的時(shí)長(zhǎng)、特征參數(shù)、協(xié)方差閾值和語(yǔ)音幀長(zhǎng)對(duì)系統(tǒng)識(shí)別性能的影響。
　?。?）在Android平臺(tái)上實(shí)現(xiàn)了基于VQ的說(shuō)話人識(shí)別系統(tǒng)，然后簡(jiǎn)要介紹了該系統(tǒng)結(jié)構(gòu)和各模塊的實(shí)現(xiàn)方法，通過(guò)實(shí)驗(yàn)驗(yàn)證在低信躁環(huán)境下本文提出的結(jié)合短時(shí)能量和分形維數(shù)的端點(diǎn)檢測(cè)方法優(yōu)于傳統(tǒng)基于短時(shí)能量和平均過(guò)零率的端點(diǎn)檢測(cè)方法。
　　本文最后對(duì)未來(lái)的研究工作進(jìn)