基于瞬時頻率估計的耳語音說話人識別研究.pdf

1、耳語音作為人類的一種特殊發(fā)音方式,在語音學(xué)和生理學(xué)上都有別于正常音。隨著社會經(jīng)濟生活的發(fā)展,耳語音在很多場合下得到了應(yīng)用,在金融通信、公安司法、身份安全認證等領(lǐng)域中發(fā)揮著越來越重要的作用。
　　 耳語音在說話人識別的實際應(yīng)用中,可以作為正常音的一種補充,完善說話人識別系統(tǒng)的性能。耳語音自身的特點決定了其識別的難度大于正常音,且易遭受信道的干擾,傳統(tǒng)的語音參數(shù)在耳語音應(yīng)用中穩(wěn)健性較差,因此研究一種有效的耳語音參數(shù)用于說話人識別系統(tǒng)

2、是一個亟待解決的問題。另外,考慮到當一個正常音訓(xùn)練的說話人系統(tǒng)用耳語音識別時,系統(tǒng)的性能表現(xiàn)會急速下降。那么在無法獲得充分耳語音訓(xùn)練數(shù)據(jù)的前提下,如何提高耳語音說話人識別的準確率也值得探討。針對以上問題,本文做了以下幾個方面的工作。
　　 一、針對語音產(chǎn)生中的非線性現(xiàn)象,根據(jù)語音產(chǎn)生的共振峰調(diào)制理論,介紹了語音產(chǎn)生的調(diào)幅-調(diào)頻模型(AM-FM Model),詳細討論了基于此模型的Teager能量算子和能量分離算法(DESA)在語

3、音中的應(yīng)用,并和其他具有類似功能的算法做了比較。
　　 二、根據(jù)多成分AM-FM信號偵測的多帶解調(diào)分析(MDA)理論和能量分離算法,獲得語音信號的瞬時幅度和頻率。通過兩者的加權(quán)估計得到了一種語音特征參數(shù)一瞬時頻率估計(IFE),該參數(shù)可以描繪語音的精細頻率結(jié)構(gòu)。將該特征用于耳語話者識別并和傳統(tǒng)的Mel倒譜系數(shù)(MFCC)進行了比較。實驗結(jié)果表明,隨著測試人數(shù)的增加和信道變化,新特征參數(shù)具有更好的識別率和穩(wěn)健性。
　　 三