基于矢量量化的說話人識別的研究.pdf

1、說話人識別作為生物識別的一種，應用范圍非常的廣泛，是依據(jù)語音波形中所反映的說話人生理及行為的語音特征參數(shù)，以此來自動鑒別說話人的身份。本文研究的是基于矢量量化的說話人識別。
　　本文采用矢量量化的模板訓練方法，設計了一個基于矢量量化的與文本無關的說話人識別系統(tǒng)，主要工作如下:
　　(1)語音庫的建立，語音庫是由本人在背景噪聲相對小的環(huán)境下自行錄制的漢語普通話語音數(shù)據(jù)庫。使用Cool Edit Pro2.1軟件錄制，設置采樣頻

2、率為8kHz、量化精度為16bit，信道選擇單聲道混合，該語音庫由30名男性和16名女性的語音組成，并截取10s用于訓練，截取5s用于測試。
　　(2)闡述語音信號的前期處理工作，主要對語音信號進行預加重、分幀加窗和端點檢測，并對語音信號短時域的特征函數(shù):短時能量函數(shù)、短時平均過零率進行了分析。然后介紹了端點檢測的三個方法:雙門限法、譜減法、譜熵法，對三種端點檢測方法作仿真分析，針對雙門限端點檢測方法中存在的漏檢現(xiàn)象進行了改進，改

3、進后的算法有效地避免了漏檢問題。
　　(3)接著對常用的語音信號的特征參數(shù)進行介紹和研究，重點分析了線性預測系數(shù)(Linear Prediction Coefficient，LPC)、線性預測倒譜系數(shù)(Linear PredictionCepstral Coefficients，LPCC)和梅爾頻率倒譜系數(shù)(Mel Frequency CepstralCoefficients，MFCC)及其提取方法，本文選用的是MFCC。之后重點