基于矢量量化（VQ）和人工神經(jīng)網(wǎng)絡(luò)（ANN）的說話人識別的研究.pdf

1、隨著計算機技術(shù)的發(fā)展和多媒體信息的廣泛應(yīng)用，語音信號處理技術(shù)已經(jīng)成為計算機界研究的熱點．說話人識別始于20世紀(jì)30年代，從20世紀(jì)60年代開始日益成為當(dāng)今的一個研究熱點。說話人識別技術(shù)作為語音信號處理技術(shù)的一個代表和重要組成部分，具有廣泛的應(yīng)用前景，如保安、公安司法、軍事、財經(jīng)和信息服務(wù)等領(lǐng)域。正因為說話人識別具有如此廣闊的應(yīng)用前景，國內(nèi)外許許多多的工作者投身于這一領(lǐng)域的研究中，使得說話人識別方面出現(xiàn)巨大發(fā)展。 本課題以語音信號

2、的LPC倒譜系數(shù)、MEL倒譜參數(shù)和基音周期的混合特征參數(shù)作為識別的特征矢量集。運用矢量量化(VQ)和人工神經(jīng)網(wǎng)絡(luò)(ANN)技術(shù)實現(xiàn)與文本有關(guān)及無關(guān)的說話人識別。在一個10人，1800個的語音庫上進行了系統(tǒng)的識別實驗。 本論文的主要工作有：1、在說話人識別系統(tǒng)的語音特征參數(shù)提取部分，詳細闡述了聲道模型、線性預(yù)測編碼(LPC)分析、LPC倒譜系數(shù)、MEL倒譜系數(shù)的求解；2、介紹了說話人識別的不同方法，主要介紹了矢量量化技術(shù)及其在說話

3、人識別中的應(yīng)用，其本質(zhì)是在一個解空間中用少數(shù)的幾個特殊的點來代表空間中全部的有效點，以達到聚類的目的，并介紹了模糊矢量量化和改進的模糊矢量量化在說話人識別中的應(yīng)用。同時，還闡述了遺傳算法的基本思想和處理方法。將遺傳算法的全局優(yōu)化與VQ技術(shù)結(jié)合起來，采用科學(xué)的編碼方案，動態(tài)的定標(biāo)技術(shù)，高效的交叉策略，得到了模型的優(yōu)化作用，提高了說話人識別率。3、提出了一種新的網(wǎng)絡(luò)結(jié)構(gòu)，這種網(wǎng)絡(luò)能夠很好地解決神經(jīng)網(wǎng)絡(luò)語音識別中的時間規(guī)整問題。該網(wǎng)絡(luò)從輸入語

4、音信號的特征矢量序列中提取出一組固定數(shù)目的特征矢量，然后將這特征矢量饋入神經(jīng)網(wǎng)絡(luò)分類器進行識別。和其他的神經(jīng)網(wǎng)絡(luò)說話人識別方法相比較，用這種網(wǎng)絡(luò)進行前端處理，可以縮短后端神經(jīng)網(wǎng)絡(luò)分類器的訓(xùn)練和識別時間，簡化分類器的網(wǎng)絡(luò)結(jié)構(gòu)并保持較高的識別率。根據(jù)該方法分別對MLP和RBF神經(jīng)網(wǎng)絡(luò)分類器建立了一個說話人識別系統(tǒng)，并對系統(tǒng)進行了識別測試。實驗結(jié)果表明，該方法具有上述優(yōu)點。 本篇論文從以上三方面討論了說話人識別的理論，最后介紹了系統(tǒng)的