聲紋識別相關(guān)技術(shù)研究及應(yīng)用.pdf

1、聲紋識別技術(shù)作為僅次于掌紋和指紋識別的第三大生物特征識別技術(shù)，在金融、司法、安全和智能設(shè)備中有著廣泛的應(yīng)用。相對于指紋和掌紋這些生物特征識別技術(shù)，聲紋識別技術(shù)具有采集方便、成本低以及算法復(fù)雜度低等優(yōu)勢。因此，聲紋識別技術(shù)發(fā)展空間廣闊，商業(yè)價值和意義重大，是國內(nèi)外學(xué)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(yīng)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(guān)理論的基礎(chǔ)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(xué)習(xí)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(jié)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(chǔ)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(yīng)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(yīng)用中能夠達到較好的分類效果，提高了識別率。
　　在研究了聲