本文關(guān)鍵詞：基于文本無關(guān)的說話人識別技術(shù)的研究

  更多相關(guān)文章： 文本無關(guān) 清濁音劃分 基因周期檢測 音素分類

【摘要】：在實際生活中,身份認(rèn)證應(yīng)用在各個領(lǐng)域,身份認(rèn)證的方法有很多種,比如指紋、虹膜、人臉等等,聲紋識別也是其中一種,又叫說話人識別,是通過說話人的聲音辨識出說話者身份。說話人識別又分為與文本相關(guān)的和與文本無關(guān)的,本文主要研究與文本無關(guān)的說話人識別技術(shù),因為其更具有使用價值,并且提升空間比較大。通過對其關(guān)鍵技術(shù)的研究,以提高系統(tǒng)識別性能。本文在現(xiàn)有與文本無關(guān)的說話人識別技術(shù)的基礎(chǔ)上,結(jié)合語音學(xué)、音韻學(xué)及其語音信號的特征,研究基于文本無關(guān)的說話人識別關(guān)鍵技術(shù)。主要的研究內(nèi)容包括以下幾個方面：清濁音劃分。在對語音信號排除靜音信號基礎(chǔ)上,針對過零率劃分清濁音方法,在處理振幅均值不在零點的信號時失效的問題,提出了有效翻轉(zhuǎn)率方法;又針對清、濁音有效翻轉(zhuǎn)率相似部分,運用頻譜振幅均值方法區(qū)分清濁音�；糁芷跈z測。在對語音信號靜音、清音、濁音劃分的基礎(chǔ)上,針對語音信號周期特征明顯段分布隨機性問題,提出改進(jìn)的LVAMDF(變長度平均幅度差函數(shù)法)及綜合多因素基音檢測算法,該算法對語音信號進(jìn)行周期特征明顯段和周期特征不明顯段的聚類劃分,同時,獲取周期特征明顯語音段的所有基音周期的起止端點,針對少數(shù)基音周期劃分倍頻或半頻問題,提出識別、修正方法,其識別、修正率極高。與文本無關(guān)的說話人識別系統(tǒng)。根據(jù)與文本無關(guān)的說話人識別系統(tǒng)原理,運用matlab和C++混合編程,完成說話人識別系統(tǒng)和系統(tǒng)測試,系統(tǒng)的等錯誤率可達(dá)0.4762%�；谝羲胤诸惖恼f話人識別系統(tǒng)理論研究。在TIMIT語料庫的音素標(biāo)注基礎(chǔ)上,運用混淆矩陣原理,研究了不同說話人不同發(fā)音特征的相似性和差異性,從而以強調(diào)差異性避開相似性的方法提高系統(tǒng)性能。該部分完成了部分理論研究和部分功能實現(xiàn)。本文提高了系統(tǒng)2處關(guān)鍵技術(shù)的性能,完成了與文本無關(guān)的說話人識別系統(tǒng)的功能,最后提出了系統(tǒng)識別原理的改進(jìn)方案。由于工作量較大,改進(jìn)方案還需完善和驗證,系統(tǒng)性能還需要從音素識別、特征提取和系統(tǒng)原理方面進(jìn)一步提升。
【關(guān)鍵詞】：文本無關(guān) 清濁音劃分 基因周期檢測 音素分類
【學(xué)位授予單位】：西南科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN912.34
【目錄】：

• 摘要4-6
• ABSTRACT6-11
• 1 緒論11-17
• 1.1 選題背景及研究意義11-13
• 1.2 課題的研究現(xiàn)狀13-15
• 1.3 論文的主要研究工作及安排15-16
• 1.4 本章小結(jié)16-17
• 2 與文本無關(guān)的說話人識別原理17-39
• 2.1 原理結(jié)構(gòu)17-18
• 2.2 預(yù)處理18-23
• 2.3 特征提取23-32
• 2.3.1 mfcc原理結(jié)構(gòu)23-24
• 2.3.2 人類發(fā)音原理24-25
• 2.3.3 倒譜分析原理25-29
• 2.3.4 梅爾頻率29-32
• 2.4 GMM-UBM模型及其識別打分32-38
• 2.4.1 GMM介紹33-34
• 2.4.2 EM算法34-35
• 2.4.3 MAP自適應(yīng)35-37
• 2.4.4 似然比得分37-38
• 2.5 本章小結(jié)38-39
• 3 語音信號清濁劃分39-51
• 3.1 清濁音劃分的原理39-40
• 3.2 排除靜音語音段40
• 3.3 清濁音劃分40-42
• 3.3.1 判斷有沒有清音信號40-41
• 3.3.2 劃分清音信號結(jié)束位置41-42
• 3.4 短時平均過零率法42-44
• 3.5 短時有效翻轉(zhuǎn)率法44-49
• 3.6 實驗結(jié)果49
• 3.7 本章小結(jié)49-51
• 4 語音信號基音周期檢測51-63
• 4.1 基音周期檢測原理51-52
• 4.2 預(yù)處理52
• 4.3 檢測基音周期52-53
• 4.4 LVAMDF算法改進(jìn)53-58
• 4.4.1 在周期端點檢測部分LVAMDF的優(yōu)化53-55
• 4.4.2 在倍頻和半頻識別修正部分LVAMDF的優(yōu)化55-58
• 4.5 LVAMDF算法58
• 4.6 實驗結(jié)果58-61
• 4.7 本章小結(jié)61-63
• 5 基于音素分類的說話人識別系統(tǒng)63-72
• 5.1 音素分類的說話人識別原理63-64
• 5.2 音素識別64-65
• 5.3 音素分類方法65-69
• 5.3.1 模型建立部分的音素分類方法65-66
• 5.3.2 說話人差異分析音素分類66-69
• 5.4 音素分類實現(xiàn)69-71
• 5.4.1 建立背景模型的實現(xiàn)69
• 5.4.2 生成注冊者特征模型的實現(xiàn)69-70
• 5.4.3 識別測試者的實現(xiàn)70
• 5.4.4 說話人差異分析音素分類實現(xiàn)70-71
• 5.5 本章小結(jié)71-72
• 6 與文本無關(guān)的說話人識別系統(tǒng)的測試72-79
• 6.1 系統(tǒng)評估標(biāo)準(zhǔn)72-76
• 6.1.1 檢測代價函數(shù)73
• 6.1.2 等錯誤率與DET曲線73-76
• 6.2 測試數(shù)據(jù)76-77
• 6.3 測試結(jié)果77-78
• 6.4 本章小結(jié)78-79
• 結(jié)論79-81
• 致謝81-83
• 參考文獻(xiàn)83-88
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文及研究成果88

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前9條

1 潘崢嶸;戴芮;張寧;;改進(jìn)的基音周期檢測算法研究[J];計算機工程與應(yīng)用;2015年10期

2 馬莎莎;戴曙光;穆平安;;基于短時能量的循環(huán)AMDF基音檢測算法[J];計算機仿真;2014年07期

3 鄭繼明;王勁松;;語音基音周期檢測方法[J];計算機工程;2010年10期

4 陳雪勤;劉正;趙鶴鳴;;基于相似度的高精度基音檢測算法[J];聲學(xué)技術(shù);2008年05期

5 張康杰;趙歡;饒居華;;基于LV-AMDF的自適應(yīng)基音檢測算法[J];計算機應(yīng)用;2007年07期

6 吳恬盈;;一種新的清濁音在線辨識法[J];計算機仿真;2007年04期

7 于明;袁玉倩;董浩;王哲;;一種基于MFCC和LPCC的文本相關(guān)說話人識別方法[J];計算機應(yīng)用;2006年04期

8 成新民,曾毓敏,趙力;一種改進(jìn)的AMDF求取語音基音的方法[J];微電子學(xué)與計算機;2005年11期

9 顧良,劉潤生;利用聲調(diào)判別提高漢語數(shù)碼語音識別性能[J];清華大學(xué)學(xué)報(自然科學(xué)版);1998年09期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 潘逸倩;聲紋密碼技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2012年

，

本文編號：524386