本文關(guān)鍵詞：基于信號(hào)稀疏分解的復(fù)雜環(huán)境下說(shuō)話人識(shí)別研究

  更多相關(guān)文章： 稀疏分解 說(shuō)話人識(shí)別 語(yǔ)音去噪 離散余弦基 時(shí)頻字典

【摘要】：說(shuō)話人識(shí)別技術(shù)是利用語(yǔ)音所包含的說(shuō)話人特有的個(gè)性特征,自動(dòng)進(jìn)行身份認(rèn)證的過(guò)程,因其具備經(jīng)濟(jì)性、非接觸性、普適性和可區(qū)分性等天然優(yōu)勢(shì)在眾多生物認(rèn)證技術(shù)中獨(dú)樹(shù)一幟�，F(xiàn)有的說(shuō)話人識(shí)別技術(shù)在理想環(huán)境下識(shí)別效果良好,但在實(shí)際應(yīng)用中,復(fù)雜環(huán)境使得訓(xùn)練和識(shí)別語(yǔ)音特征失配,系統(tǒng)識(shí)別性能急劇下降。如何有效提高識(shí)別系統(tǒng)的魯棒性成為該技術(shù)的重點(diǎn)和難點(diǎn)。稀疏分解作為信號(hào)處理領(lǐng)域一個(gè)重要的理論分支,被廣泛應(yīng)用于信號(hào)去噪、壓縮編碼、參數(shù)估計(jì)、信號(hào)時(shí)頻分析和盲源分離等諸多方面。本文基于信號(hào)的稀疏分解理論,研究不同噪聲背景下語(yǔ)音信號(hào)的去噪問(wèn)題,給出相應(yīng)的語(yǔ)音信號(hào)去噪方法；同時(shí)將基于稀疏分解的去噪方法用于說(shuō)話人識(shí)別系統(tǒng)的預(yù)處理環(huán)節(jié),分析其對(duì)系統(tǒng)識(shí)別性能的影響。本文主要工作如下：1.搭建基于矢量量化的說(shuō)話人識(shí)別系統(tǒng)。首先簡(jiǎn)要介紹系統(tǒng)的構(gòu)成；然后,根據(jù)系統(tǒng)實(shí)現(xiàn)的具體步驟對(duì)系統(tǒng)各部分逐一介紹,對(duì)其中關(guān)鍵步驟——特征提取和模板訓(xùn)練與識(shí)別進(jìn)行了詳細(xì)的分析；最后,通過(guò)仿真實(shí)驗(yàn),調(diào)試出系統(tǒng)達(dá)到最佳識(shí)別率時(shí)的各項(xiàng)參數(shù)。2.研究稀疏分解理論在語(yǔ)音信號(hào)去噪中的應(yīng)用。給出信號(hào)的稀疏表示和信號(hào)重構(gòu)算法,并重點(diǎn)介紹了一種與本文密切相關(guān)的凸松弛重構(gòu)算法——基追蹤算法；同時(shí),對(duì)語(yǔ)音信號(hào)在不同基底上稀疏分解,選定稀疏度最佳的DCT基作為本文的稀疏表示基,并將基于DCT的稀疏分解應(yīng)用于語(yǔ)音信號(hào)的去噪處理中,仿真實(shí)驗(yàn)表明,在低信噪比時(shí),基于稀疏分解的去噪方法可以有效提高重構(gòu)語(yǔ)音信號(hào)的幀平均信噪比。3.分析不同噪聲背景下,基于稀疏分解的語(yǔ)音去噪方法對(duì)說(shuō)話人識(shí)別系統(tǒng)性能的影響。說(shuō)話人識(shí)別系統(tǒng)預(yù)處理環(huán)節(jié)中使用的去噪方法由噪聲方差的有界性決定。對(duì)于方差有界的兩種典型寬帶噪聲——均勻噪聲和高斯噪聲,采用基于DCT稀疏分解的去噪方法；對(duì)于方差無(wú)界的對(duì)稱α穩(wěn)定分布沖擊噪聲,采用基于聯(lián)合時(shí)頻字典稀疏分解的去噪方法。仿真實(shí)驗(yàn)表明,這兩種方法在低信噪比/廣義信噪比時(shí),可顯著提高說(shuō)話人識(shí)別系統(tǒng)的識(shí)別率。
【關(guān)鍵詞】：稀疏分解 說(shuō)話人識(shí)別 語(yǔ)音去噪 離散余弦基 時(shí)頻字典
【學(xué)位授予單位】：南京理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN912.34
【目錄】：

• 摘要3-4
• Abstract4-8
• 1 緒論8-14
• 1.1 課題研究的背景和意義8-9
• 1.2 國(guó)內(nèi)外課題研究現(xiàn)狀9-12
• 1.2.1 說(shuō)話人識(shí)別發(fā)展歷史及現(xiàn)狀9-10
• 1.2.2 信號(hào)稀疏分解發(fā)展歷史及現(xiàn)狀10-12
• 1.3 本文的主要內(nèi)容和章節(jié)安排12-14
• 2 基于矢量量化的說(shuō)話人識(shí)別系統(tǒng)14-27
• 2.1 系統(tǒng)的基本結(jié)構(gòu)14-15
• 2.2 說(shuō)話人系統(tǒng)的實(shí)現(xiàn)15-24
• 2.2.1 語(yǔ)音信號(hào)的預(yù)處理15-18
• 2.2.2 說(shuō)話人識(shí)別特征參數(shù)提取18-21
• 2.2.3 說(shuō)話人識(shí)別的模型訓(xùn)練及匹配21-24
• 2.3 基于VQ的說(shuō)話人識(shí)別系統(tǒng)的構(gòu)建與測(cè)試24-26
• 2.3.1 不同碼本容量對(duì)識(shí)別結(jié)果的影響24-25
• 2.3.2 不同失真度量方法對(duì)識(shí)別結(jié)果的影響25
• 2.3.3 不同初始碼本方法對(duì)識(shí)別結(jié)果的影響25-26
• 2.4 本章小結(jié)26-27
• 3 語(yǔ)音信號(hào)的稀疏分解與去噪27-41
• 3.1 信號(hào)稀疏分解基本原理27-32
• 3.1.1 信號(hào)的稀疏分解27-29
• 3.1.2 稀疏信號(hào)的重構(gòu)29-30
• 3.1.3 仿真分析30-32
• 3.2 語(yǔ)音信號(hào)的稀疏性分析32-36
• 3.2.1 語(yǔ)音信號(hào)在離散余弦基下的稀疏性32-34
• 3.2.2 語(yǔ)音信號(hào)在離散傅里葉基下的稀疏性34-36
• 3.3 基于稀疏分解的語(yǔ)音信號(hào)去噪36-39
• 3.3.1 基于稀疏分解的信號(hào)去噪基本思想36-37
• 3.3.2 仿真分析37-39
• 3.4 本章小結(jié)39-41
• 4 基于稀疏分解的含噪語(yǔ)音說(shuō)話人識(shí)別研究41-56
• 4.1 寬帶噪聲下含噪語(yǔ)音說(shuō)話人識(shí)別41-47
• 4.1.1 均勻噪聲和高斯噪聲模型41-43
• 4.1.2 均勻噪聲下說(shuō)話人識(shí)別實(shí)驗(yàn)仿真43-45
• 4.1.3 高斯噪聲下說(shuō)話人識(shí)別實(shí)驗(yàn)仿真45-47
• 4.2 沖擊噪聲下含噪語(yǔ)音說(shuō)話人識(shí)別47-55
• 4.2.1 α穩(wěn)定分布模型48-49
• 4.2.2 基于聯(lián)合時(shí)頻字典稀疏分解的語(yǔ)音信號(hào)去噪49-53
• 4.2.3 沖擊噪聲下的說(shuō)話人識(shí)別性能仿真53-55
• 4.3 本章小結(jié)55-56
• 5 總結(jié)56-57
• 致謝57-58
• 參考文獻(xiàn)58-62
• 附錄62-65

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 白燕燕;胡曉霞;鄭三婷;;基于聽(tīng)覺(jué)特性的聲紋識(shí)別系統(tǒng)的研究[J];電子設(shè)計(jì)工程;2015年04期

2 趙玉曉;顧秀秀;張二華;;與文本無(wú)關(guān)說(shuō)話人識(shí)別[J];計(jì)算機(jī)與數(shù)字工程;2014年02期

3 趙立輝;毛竹;霍春寶;楊紅U，

本文編號(hào)：955014