發(fā)布時間：2017-09-15 15:49

  本文關(guān)鍵詞：基于聲紋識別的說話人身份確認方法的研究

  更多相關(guān)文章： 聲紋識別 文本相關(guān) 高斯混合模型 語音識別

【摘要】：聲紋識別技術(shù)是一種生物認證的方法,從說話人能反映自己生理和行為個性特征的語音參數(shù)中提取出說話人是誰的信息的過程。聲紋識別以其的使用靈活、經(jīng)濟和實用等方面的優(yōu)勢在很多領(lǐng)域中有著廣泛的應(yīng)用前景。本文主要對文本無關(guān)的聲紋識別技術(shù)、在短時條件下的與文本相關(guān)的聲紋識別技術(shù)和聲紋識別技術(shù)的實際應(yīng)用等方面的相關(guān)內(nèi)容做出了研究。在文本無關(guān)領(lǐng)域,重點分析了采用最主流的技術(shù)高斯混合模型(Gaussian Mixture Model)和高斯混合模型-通用背景模型(Gaussian Mixture Model-Universal Background Model,GMM-UBM),詳細介紹了兩種模型的概念、參數(shù)的估計以及識別算法等基礎(chǔ)理論,并使用QT這款跨平臺C++圖形用戶界面應(yīng)用軟件,用圖形用戶界面設(shè)計了一個簡單實用的基于GMM的與文本無關(guān)的聲紋識別系統(tǒng),進行了相關(guān)模型參數(shù)訓(xùn)練和匹配識別過程,并通過實驗研究分析了GMM-UBM模型的階數(shù)對識別性能的影響。在與文本相關(guān)的聲紋識別研究中,既要包含說話人身份的識別,又要包含語音文本內(nèi)容的識別。本文提出一種結(jié)合語音識別的與文本相關(guān)的聲紋識別方法,從而建立說話人的聲紋模型和語音文本模型,與傳統(tǒng)的僅建立一種模型的方法相比,該方法能更精確的描述說話人身份信息和語音的文本信息,較好地解決了短時語音樣本識別效果不佳的問題。測試實驗表明,和傳統(tǒng)與文本相關(guān)的聲紋識別方法(如DTW、GMM-UBM)相比,在漏警概率相同的條件下,由本方法建立的系統(tǒng)虛警概率降低了8.9%,識別性能得到了提高。最后在熟練掌握基于GMM-UBM聲紋識別系統(tǒng)的基礎(chǔ)上,論文針對聲紋識別技術(shù)的應(yīng)用方面做出創(chuàng)新性探究,首先設(shè)計了一種基于聲紋識別的文件夾多重加密保護系統(tǒng),不僅將聲紋加密的方法應(yīng)用到文件夾保護,也將傳統(tǒng)文字加密和聲紋加密相結(jié)合。其次,設(shè)計了一種在Android平臺下采用聲紋識別模擬手機銀行轉(zhuǎn)賬的應(yīng)用軟件,將個人的聲紋信息來作為銀行轉(zhuǎn)賬時的支付密碼,即將聲紋識別的技術(shù)應(yīng)用到轉(zhuǎn)賬業(yè)務(wù)上,為銀行的保護系統(tǒng)增添新的聲紋密碼服務(wù),也為推動聲紋識別技術(shù)的廣泛應(yīng)用打下堅實的基礎(chǔ)。
【關(guān)鍵詞】：聲紋識別 文本相關(guān) 高斯混合模型 語音識別
【學(xué)位授予單位】：上海師范大學(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3-4
• Abstract4-8
• 第1章 緒論8-13
• 1.1 聲紋識別研究背景及意義8-9
• 1.2 聲紋識別研究現(xiàn)狀和發(fā)展9-10
• 1.3 聲紋識別概述10-11
• 1.3.1 聲紋識別的概念10-11
• 1.3.2 聲紋識別的分類11
• 1.3.3 聲紋識別的基本原理和系統(tǒng)結(jié)構(gòu)11
• 1.4 本論文的主要工作11-13
• 第2章 語音信號的特征提取13-21
• 2.1 語音信號處理基礎(chǔ)13-15
• 2.1.1 語音信號的前期處理13-14
• 2.1.2 語音信號的端點檢測14-15
• 2.2 常用聲紋識別的特征參數(shù)15-20
• 2.2.1 LPCC分析16-18
• 2.2.2 MFCC參數(shù)分析18-20
• 2.3 本章小結(jié)20-21
• 第3章 基于高斯混合模型的聲紋識別技術(shù)21-32
• 3.1 高斯混合模型簡介21-25
• 3.1.1 GMM模型參數(shù)描述21
• 3.1.2 GMM模型參數(shù)估計21-22
• 3.1.3 模型參數(shù)初始化22-24
• 3.1.4 基于GMM的說話人確認系統(tǒng)24-25
• 3.2 高斯混合通用背景模型25-27
• 3.2.1 模型提出25
• 3.2.2 基于GMM-UBM模型的聲紋識別系統(tǒng)25-27
• 3.3 聲紋識別系統(tǒng)界面27-29
• 3.4 實驗29-31
• 3.4.1 實驗數(shù)據(jù)29
• 3.4.2 實驗系統(tǒng)描述29-30
• 3.4.3 實驗結(jié)果與分析30-31
• 3.5 本章小結(jié)31-32
• 第4章 結(jié)合語音識別的與文本相關(guān)的聲紋識別方法32-39
• 4.1 引言32-33
• 4.2 聲紋模型與語音文本模型的建立33
• 4.3 智能判定33-35
• 4.4 系統(tǒng)性能評價標準35
• 4.5 實驗35-38
• 4.5.1 實驗數(shù)據(jù)采集35-36
• 4.5.2 實驗系統(tǒng)描述36
• 4.5.3 實驗結(jié)果與分析36-38
• 4.6 本章小結(jié)38-39
• 第5章 聲紋識別系統(tǒng)的應(yīng)用與開發(fā)39-45
• 5.1 一種基于聲紋識別的文件夾多重加密保護系統(tǒng)的設(shè)計39-42
• 5.2 采用聲紋識別模擬手機銀行轉(zhuǎn)賬的應(yīng)用軟件設(shè)計42-44
• 5.3 本章小結(jié)44-45
• 第6章 總結(jié)與展望45-48
• 6.1 總結(jié)45-46
• 6.2 展望46-48
• 參考文獻48-51
• 攻讀學(xué)位期間取得的研究成果51-52
• 致謝52

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王韻琪;俞一彪;;自適應(yīng)高斯混合模型及說話人識別應(yīng)用[J];通信技術(shù);2014年07期

2 吳慧玲;杜成東;毛鶴;;基于GMM的說話人識別算法的研究與應(yīng)用[J];現(xiàn)代計算機(專業(yè)版);2014年14期

3 趙玉曉;顧秀秀;張二華;;與文本無關(guān)說話人識別[J];計算機與數(shù)字工程;2014年02期

4 陳覺之;張貴榮;周宇歡;;基于GMM模型的自適應(yīng)說話人識別研究[J];計算機與現(xiàn)代化;2013年07期

5 李杰;劉賀平;;用于說話人識別的基于可變因子整合的高斯混合模型[J];模式識別與人工智能;2012年06期

6 胡政權(quán);曾毓敏;宗原;李夢超;;說話人識別中MFCC參數(shù)提取的改進[J];計算機工程與應(yīng)用;2014年07期

7 陳黎;徐東平;;基于SVM-GMM的開集說話人識別方法[J];計算機工程;2011年14期

8 曹潔;潘鵬;;基于GMM的說話人識別技術(shù)研究[J];計算機工程與應(yīng)用;2011年11期

9 陳業(yè)仙;張歆奕;毛杰;;基于GMM-UBM的語言辨識算法研究[J];五邑大學(xué)學(xué)報(自然科學(xué)版);2010年03期

10 檀蕊蓮;;基于DTW的說話人識別技術(shù)研究[J];黑龍江科技信息;2010年13期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 辛全超;基于GMM的說話人語音識別研究與實踐[D];華東師范大學(xué);2010年

，

本文編號：857447