基于高斯混合模型的說話人識別技術(shù)研究.pdf

1、　　近年來，隨著移動(dòng)通信、網(wǎng)絡(luò)和語音處理技術(shù)的快速發(fā)展，說話人識別技術(shù)的應(yīng)用越來越廣泛。本論文研究了基于高斯混合模型(GMM)的說話人識別系統(tǒng)，從說話人識別系統(tǒng)的各個(gè)組成部分分析了可以改善系統(tǒng)性能的可能途經(jīng)，其中著重研究了白噪聲環(huán)境下的說話人識別問題。本論文的主要工作有：　　在說話人識別系統(tǒng)的語音特征參數(shù)提取部分，介紹了LPC倒譜和Mel倒譜等參數(shù)，分析了對干凈語音和加白噪聲語音的Mel倒譜各階系數(shù)加權(quán)后對系統(tǒng)性能的影響。得出結(jié)論：高

2、階Mel倒譜系數(shù)抗噪性較差而低階倒譜系數(shù)抗噪性較好。因此可以根據(jù)抗噪性的強(qiáng)弱對該倒譜各階系數(shù)進(jìn)行合理加權(quán)，以便突出抗噪性強(qiáng)的系數(shù)對識別的貢獻(xiàn)?！　√岢隽艘环N高斯混合模型距離測度的方法?；诖朔椒ㄌ岢鲆环N改進(jìn)的說話人辨認(rèn)系統(tǒng)：在幾種參數(shù)中選擇使說話人辨認(rèn)系統(tǒng)模型平均距離較大的特征參數(shù)進(jìn)行識別。研究了影響說話人識別系統(tǒng)性能的三個(gè)因素：GMM的參數(shù)、測試語速、測試語音長短，并且利用基音頻率對說話人進(jìn)行預(yù)分類來改善識別系統(tǒng)性能。　　在加性白

3、噪聲環(huán)境下研究了Mel倒譜參數(shù)、Mel差分倒譜參數(shù)的頑健性以及他們經(jīng)過倒譜系數(shù)零均值化處理后系統(tǒng)性能的改進(jìn)。得出結(jié)論：在加性白噪聲環(huán)境下，差分倒譜參數(shù)具有很好的魯棒性；倒譜系數(shù)零均值化能有效的去除加性白噪聲對系統(tǒng)性能的影響。　　研究了說話人辨認(rèn)系統(tǒng)中模型自適應(yīng)技術(shù)。得出結(jié)論：采用一年前的模板，當(dāng)進(jìn)行自適應(yīng)后識別率提高很多。雖然自適應(yīng)后仍然比重新訓(xùn)練模板識別率稍低，但從實(shí)驗(yàn)中可以明顯感到，自適應(yīng)比重新訓(xùn)練模板節(jié)省很多時(shí)間，這對于說話人的