基于MFCC和GMM的說(shuō)話人識(shí)別系統(tǒng)研究.pdf

1、說(shuō)話人識(shí)別作為生物認(rèn)證技術(shù)的一種，是根據(jù)應(yīng)用語(yǔ)音波形中反映說(shuō)話人生理和行為特征語(yǔ)音參數(shù)，自動(dòng)鑒別說(shuō)話人身份的一種技術(shù)。與其它生物識(shí)別技術(shù)相比，說(shuō)話人識(shí)別具有更為簡(jiǎn)便，經(jīng)濟(jì)及可擴(kuò)展性良好等眾多優(yōu)勢(shì)，可廣泛應(yīng)用于電話銀行，數(shù)據(jù)庫(kù)訪問(wèn)，計(jì)算機(jī)遠(yuǎn)程登錄，安全驗(yàn)證，控制等領(lǐng)域。正因?yàn)檎f(shuō)話人識(shí)別具有如此廣闊的應(yīng)用前景，國(guó)內(nèi)外許許多多的工作者投身于這一領(lǐng)域的研究中。在眾多的說(shuō)話人識(shí)別技術(shù)中，本文主要研究了基于Mel頻率倒譜系數(shù)(Mel-Frequen

2、cyCepstrumCoefficients，簡(jiǎn)稱MFCC)和高斯混合模型(GaussianMixtureModel，簡(jiǎn)稱為GMM)的說(shuō)話人識(shí)別系統(tǒng)。 人的聲道響應(yīng)是反映說(shuō)話人個(gè)性特征的重要的物理量。而語(yǔ)音信號(hào)中聲道響應(yīng)是和聲門(mén)激勵(lì)信息卷積在一起的。為了從語(yǔ)音信號(hào)中得到聲道響應(yīng)就必須對(duì)語(yǔ)音信號(hào)實(shí)現(xiàn)解卷積。本文介紹了對(duì)語(yǔ)音信號(hào)實(shí)現(xiàn)解卷積求取倒譜系數(shù)的兩種方法：線性預(yù)測(cè)分析和同態(tài)分析處理。通過(guò)對(duì)語(yǔ)音信號(hào)進(jìn)行解卷，從而獲得與聲道響應(yīng)有

3、關(guān)的倒譜系數(shù)，組成特征向量。 現(xiàn)實(shí)生活中人耳是一個(gè)比較好的說(shuō)話人識(shí)別系統(tǒng)，而人耳對(duì)聲音頻率的感知卻不是線性的。本文通過(guò)對(duì)人耳聽(tīng)覺(jué)的生理和心理特性的分析介紹，提出了利用音調(diào)特性來(lái)進(jìn)行倒譜特征提取的方案，即用MEL頻率對(duì)短時(shí)功率譜做頻率彎折處理。在這種新的倒譜提取過(guò)程中，用符合臨界帶分布的等效濾波器組來(lái)模擬人耳聽(tīng)覺(jué)的非線性特性，從而得到了Mel頻率倒譜系數(shù)(MFCC)。文中詳細(xì)介紹了提取MFCC倒譜系數(shù)的理論基礎(chǔ)和實(shí)現(xiàn)方案，并與傳統(tǒng)

4、的線性預(yù)測(cè)技術(shù)作了比較，實(shí)驗(yàn)結(jié)果表明這種改進(jìn)后的倒譜特征提取方法比較有效。 說(shuō)話人識(shí)別中有許多先進(jìn)有效的識(shí)別技術(shù)，其中高斯混合模型(GMM)由于性能較好、復(fù)雜度小、方法簡(jiǎn)單，是目前最好的說(shuō)話人識(shí)別算法之一。本文介紹了GMM模型的概念、模型參數(shù)的估計(jì)以及GMM的識(shí)別算法，并通過(guò)實(shí)驗(yàn)研究分析了GMM模型的階數(shù)對(duì)識(shí)別性能的影響。 另外，本文還介紹了倒譜系數(shù)的動(dòng)態(tài)特征，從MFCC對(duì)時(shí)間的一階導(dǎo)數(shù)得到了反映倒譜動(dòng)態(tài)特性的△MFCC