基于GMM的說(shuō)話人身份識(shí)別算法的研究.pdf

1、說(shuō)話人識(shí)別技術(shù)屬于生物特征識(shí)別技術(shù)領(lǐng)域范疇，是用計(jì)算機(jī)來(lái)理解人的語(yǔ)言，自動(dòng)識(shí)別說(shuō)話人身份（說(shuō)話人是誰(shuí)）的一門技術(shù)。近年來(lái)由于信號(hào)與信息處理、模式識(shí)別、人工智能以及機(jī)器學(xué)習(xí)等學(xué)科理論技術(shù)的飛速發(fā)展，說(shuō)話人識(shí)別技術(shù)也隨之迅速崛起。與其它的生物特征識(shí)別技術(shù)相比，說(shuō)話人識(shí)別技術(shù)具有操作簡(jiǎn)便，實(shí)用經(jīng)濟(jì)等許多優(yōu)勢(shì)。說(shuō)話人識(shí)別技術(shù)具有非常廣闊的前景，廣泛應(yīng)用于信息服務(wù)類、公安司法、軍事、財(cái)經(jīng)等許多領(lǐng)域。
　　本文主要研究基于高斯混合模型(Gau

2、ssian mixture model，GMM)的說(shuō)話人身份識(shí)別的算法，識(shí)別、訓(xùn)練樣本分開，樣本內(nèi)容為文本無(wú)關(guān)。
　　本文所作的工作主要有以下幾點(diǎn):首先把采集到的語(yǔ)音信號(hào)進(jìn)行了預(yù)處理，在端點(diǎn)檢測(cè)環(huán)節(jié)，本文提出了一種新的端點(diǎn)檢測(cè)算法，采用把語(yǔ)音信號(hào)進(jìn)行幅值歸一化，把語(yǔ)音信號(hào)的幅值分布在0～1之間，以短時(shí)能量和為依據(jù)設(shè)定閾值進(jìn)行判決。實(shí)驗(yàn)結(jié)果表明，該端點(diǎn)檢測(cè)算法較之傳統(tǒng)的基于短時(shí)能量和短時(shí)平均過(guò)零率端點(diǎn)檢測(cè)算法能更有效的檢測(cè)出語(yǔ)音信號(hào)

3、的起始點(diǎn)和結(jié)束點(diǎn)，具有良好的檢測(cè)性能;然后把端點(diǎn)檢測(cè)后真正的語(yǔ)音段用來(lái)提取特征參數(shù)，使用了基于人耳聽覺特性的美爾倒譜系數(shù)(Mel-frequencycepstral coefficient，MFCC)來(lái)提取;最后用GMM對(duì)說(shuō)話人識(shí)別進(jìn)行了建模，在進(jìn)行說(shuō)話人識(shí)別時(shí)，采用YOHO標(biāo)準(zhǔn)高質(zhì)量可靠的語(yǔ)音數(shù)據(jù)庫(kù)選取50人和自己錄制的小型漢語(yǔ)語(yǔ)音數(shù)據(jù)庫(kù)20人進(jìn)行了實(shí)驗(yàn)，詳細(xì)分析了設(shè)置不同系統(tǒng)參數(shù)，如訓(xùn)練樣本個(gè)數(shù)、幀長(zhǎng)、測(cè)試語(yǔ)音長(zhǎng)度、GMM階數(shù)等對(duì)系