【摘要】：隨著計算機技術及移動互聯(lián)網(wǎng)技術的快速發(fā)展,說話人識別作為一種特殊生物識別技術主要用于特定場合的說話人身份鑒定。該技術在司法鑒定、身份確認、軍事國防、遠程控制、信息安全等領域得到廣泛應用,是模式識別和人工智能領域中的研究熱點。在訓練與測試環(huán)境均為干凈語音環(huán)境下,說話人識別系統(tǒng)識別率較高,然而,受制于環(huán)境噪音,在實際應用中說話人識別系統(tǒng)的訓練與測試環(huán)境不匹配,系統(tǒng)識別性能降低。因此,如何有效提高噪聲環(huán)境下說話人識別系統(tǒng)性能成為了關鍵的研究點。本文主要對語音增強、特征提取等相關方面的內容進行研究,提出了一種非負矩陣分解優(yōu)化算法,研究了深度學習用于特征提取的識別效果,以解決因噪聲因素帶來的不利影響,提高系統(tǒng)識別率。最后設計相關的圖形用戶界面完成語音信號錄制和識別結果顯示。本文主要研究內容如下:1.提出了一種非負矩陣分解優(yōu)化算法。分析了譜減法和傳統(tǒng)非負矩陣分解算法的優(yōu)缺點,提出非負矩陣分解優(yōu)化算法對含噪語音信號進行處理,得到具有較好語音質量的重構語音。結合各算法優(yōu)勢,將譜減法、非負矩陣分解算法以及非負矩陣優(yōu)化算法的幅度進行加權融合,進一步增強算法泛化能力。實驗證明,與傳統(tǒng)語音增強算法進行對比,相同條件下非負矩陣分解優(yōu)化算法的增強效果更優(yōu)。與單一語音增強算法相比,融合算法在大多數(shù)噪音環(huán)境下具有較好的增強效果。2.提出了深淺層特征融合的特征提取方法。本文采用深度自動編碼網(wǎng)絡對含噪語音信號進行特征提取,基于深度置信網(wǎng)絡的自動編碼器能有效過濾語音中的噪聲成分,挖掘淺層特征中隱藏個性信息的深層表示,將深層特征與淺層特征輸入i-vector模型后進行分數(shù)級融合。實驗表明與噪聲環(huán)境下單一特征參數(shù)相比,融合特征能更全面地描述說話人信息,提高系統(tǒng)識別率。3.設計了基于MATLAB的圖形用戶界面。利用MATLAB自帶工具箱和內置函數(shù)設計說話人識別平臺界面。通過錄制語音信號以及識別說話人對系統(tǒng)平臺進行測試,結果表明平臺具有較好的可交互性。
【圖文】：

第 2 章 說話人識別的關鍵技術.1 說話人識別概述說話人識別是一種通過對語音信號中包含的聲紋特征進行分析獲取說話人信息進行身份驗證的特殊生物技術，又稱為“聲紋識別”。語音識別與說話別的區(qū)別在于語音識別中所使用的特征參數(shù)主要表征的是語音中的語義信息說話人識別中的特征參數(shù)主要表征的是說話人的個性信息[63]，兩者的側重點，，所建立的模型也不相同。對語音信號處理技術進行分類，圖 2.1 可以表示說識別技術與語音識別、語義識別等語音信號處理技術的關系。

圖 2.2 說話人識別分類說話人識別和文本無關的說話人識別是說話人識行劃分的。前者規(guī)定語音文本內容，要求說話人說的內容相同。一般情況下這類說話人識別系統(tǒng)的有一定限制。后者預先不確定文本內容，即訓練與文本相關的說話人識別技術相比，該技術識別應用相對比較廣泛。識別的基本組成系統(tǒng)分為訓練和測試兩個階段。訓練階段是對輸特征提取，然后為每個說話人建立一個描述說話并且模型的訓練階段也被稱為模型預留。測試階
【學位授予單位】：重慶郵電大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TN912.34

【相似文獻】

相關期刊論文 前10條

1 劉倩;李時;;細菌趨藥性算法在說話人識別中的應用[J];宿州學院學報;2017年11期

2 趙艷;呂亮;趙力;;基于修正Fukunaga-Koontz變換的說話人識別方法[J];電子器件;2018年04期

3 李為州;楊印根;;說話人識別中基于深度信念網(wǎng)絡的超向量降維的研究[J];電腦知識與技術;2017年22期

4 雷震春;萬艷紅;羅劍;朱明華;;基于Mahalanobis距離的說話人識別模型研究[J];中國語音學報;2016年00期

5 王華朋;李寧;許鋒;蔡能斌;;基于元音共振峰特征的法庭說話人識別[J];中國刑警學院學報;2014年02期

6 王華朋;楊軍;許勇;;應用似然比框架的法庭說話人識別[J];數(shù)據(jù)采集與處理;2013年02期

7 檀蕊蓮;劉建平;;說話人識別技術的研究進展[J];科技資訊;2007年33期

8 寧飛,陳頻;說話人識別的幾種方法[J];電聲技術;2001年12期

9 曹業(yè)敏,侯風雷,王炳錫;說話人識別技術現(xiàn)狀與進展[J];河南科技;1998年09期

10 王華朋;楊軍;吳鳴;許勇;;基于自適應同源方差控制的法庭自動說話人識別[J];應用科學學報;2014年06期

相關會議論文 前10條

1 黃猛;唐琳;王雅芬;;說話人識別技術綜述[A];第十三屆全國信號和智能信息處理與應用學術會議論文集[C];2019年

2 孫帆;遲惠生;;循環(huán)網(wǎng)絡說話人識別[A];第二屆全國人機語音通訊學術會議（NCMMSC1992）論文集[C];1992年

3 肖劍;歐貴文;;多層前饋神經網(wǎng)絡組的文本無關說話人識別[A];第七屆全國人機語音通訊學術會議（NCMMSC7）論文集[C];2003年

4 吳璽宏;劉文舉;;聽神經計算模型及其在抗噪說話人識別中的應用[A];第六屆全國人機語音通訊學術會議論文集[C];2001年

5 任舒彬;楊瑩春;吳朝暉;;面向多通道說話人識別的預處理方法實驗研究(類別:聲紋鑒定)[A];第六屆全國現(xiàn)代語音學學術會議論文集（下）[C];2003年

6 劉大力;趙力;;與文本無關說話人識別系統(tǒng)的性能比較[A];2004年全國物理聲學會議論文集[C];2004年

7 張陳昊;鄭方;王琳琳;;基于多音素類模型的文本無關短語音說話人識別[A];需將論文集名稱修改為“第十二屆全國人機語音通訊學術會議（NCMMSC2013）論文集[C];2013年

8 周昊朗;王嵐;陳珂;;一個面向說話人識別的漢語語音數(shù)據(jù)庫[A];第六屆全國人機語音通訊學術會議論文集[C];2001年

9 龍川;景新幸;楊海燕;;矢量量化與協(xié)方差矩陣結合的說話人識別方法[A];泛在信息社會中的聲學——中國聲學學會2010年全國會員代表大會暨學術會議論文集[C];2010年

10 周昊朗;王嵐;吳璽宏;遲惠生;;一個面向說話人識別的漢語語音數(shù)據(jù)庫[A];信號與信息處理技術——第一屆信號與信息處理聯(lián)合學術會議論文集[C];2002年

相關重要報紙文章 前2條

1 汪永安;科大訊飛說話人識別技術世界領先[N];安徽日報;2008年

2 吳長鋒;科大訊飛勇奪說話人識別國際大賽第一[N];科技日報;2008年

相關博士學位論文 前10條

1 徐瓏婷;基于稀疏分解的說話人識別技術研究[D];南京郵電大學;2017年

2 陸偉;基于缺失特征的文本無關說話人識別魯棒性研究[D];中國科學技術大學;2008年

3 俞一彪;基于互信息理論的說話人識別研究[D];上海大學;2004年

4 付中華;說話人識別系統(tǒng)魯棒性研究[D];西北工業(yè)大學;2004年

5 侯麗敏;基于非線性理論和信息融合的說話人識別[D];上海大學;2005年

6 雷震春;支持向量機在說話人識別中的應用研究[D];浙江大學;2006年

7 姚志強;說話人識別中提高GMM性能方法的研究[D];中國科學技術大學;2006年

8 包永強;噪聲環(huán)境下說話人識別的研究[D];東南大學;2006年

9 林琳;基于模糊聚類與遺傳算法的說話人識別理論研究及應用[D];吉林大學;2007年

10 解焱陸;基于特征變換和分類的文本無關電話語音說話人識別研究[D];中國科學技術大學;2007年

相關碩士學位論文 前10條

1 姜孝偉;說話人識別系統(tǒng)的設計與研究[D];上海交通大學;2018年

2 陳松;基于VQ的室內說話人識別及FPGA實現(xiàn)研究[D];安徽理工大學;2019年

3 蔡國都;基于x-vector的說話人識別研究[D];北京交通大學;2019年

4 孫念;基于多特征I-Vector的短語音說話人識別方法研究[D];重慶郵電大學;2019年

5 巴莉芳;基于含噪語音的說話人識別研究[D];重慶郵電大學;2019年

6 劉崇鳴;基于三元組損失與流形降維的文本無關說話人識別方法研究[D];哈爾濱工業(yè)大學;2019年

7 林婷;基于ICA和ASR語音特征選取的說話人識別算法[D];南昌大學;2019年

8 陳園允;變形欺騙性語音的檢測算法研究及對其魯棒的說話人識別系統(tǒng)實現(xiàn)[D];廣東技術師范大學;2019年

9 徐鈺婷;跨語言背景下基于單元音的說話人識別研究[D];深圳大學;2018年

10 陳莉芬;基于英語爆破音和摩擦音的跨語言說話人識別研究[D];深圳大學;2018年

本文編號：2608122