聲紋識別相關技術研究及應用.pdf

1、聲紋識別技術作為僅次于掌紋和指紋識別的第三大生物特征識別技術，在金融、司法、安全和智能設備中有著廣泛的應用。相對于指紋和掌紋這些生物特征識別技術，聲紋識別技術具有采集方便、成本低以及算法復雜度低等優(yōu)勢。因此，聲紋識別技術發(fā)展空間廣闊，商業(yè)價值和意義重大，是國內外學者研究的一個熱點。
　　梅爾倒譜系數(shù)（Mel-Frequency Cepstral Coefficients，MFCC）是聲紋識別中最常用的一種體現(xiàn)語音特征的參數(shù)，它是一

2、種模仿人耳的聽覺特性而提取的一種特征參數(shù)，它與線性倒譜不同，能夠很好地反應語音信號的特征。本文在研究了MFCC參數(shù)的提取過程和小波包分解的相關理論的基礎上，針對MFCC參數(shù)提取過程中忽略了部分高頻細節(jié)和MFCC參數(shù)只能反映語音靜態(tài)特征這兩個問題，利用小波包分解對MFCC參數(shù)的提取過程進行改進。實驗證明，改進的特征參數(shù)在聲紋識別中具有較高的識別率和較好的抗噪性。
　　支持向量機（Support Vector Machine，SVM）

3、是一種機器學習的方法，它追求在有限的樣本數(shù)量條件下得到最優(yōu)的分類結果。本文在研究了SVM的核函數(shù)及其參數(shù)對SVM分類的影響的基礎上，針對懲罰因子和核參數(shù)的選取，利用粒子群算法（Particle Swarm Optimization，PSO）對兩個參數(shù)進行尋優(yōu)，并對PSO算法進行改進，改善了算法的性能并應用到SVM中。實驗證明改進的PSO算法對SVM參數(shù)進行優(yōu)化，在聲紋識別應用中能夠達到較好的分類效果，提高了識別率。
　　在研究了聲