基于二次時頻分布的語音信號分類與驗證.pdf

1、華北電力大學（北京）碩士學位論文基于二次時頻分布的語音信號分類與驗證姓名：鄭普亮申請學位級別：碩士專業(yè)：通信與信息系統(tǒng)指導教師：許剛20060101華jE電力人學碩士學位論文璃要語音信號分搬是語音識別、曉話人識別和語音合成的一個重要基礎過程，其首要閥題就是選擇臺適的信號特征參數(shù)。論文營先對辯頻分撰彝囂露售號楚理嬡突戇發(fā)震皴了麓要密顳，然基對短辯簿立葉變換、線性預測分析、Gabor變換、小波變換和聞態(tài)分析等語港特征表示技術以及擻小距離分擻

2、器、矢量量化、GMM和HMM等算法模型的原理、應用場合和特點徽了深入探討。針對短時傅立時變換和小波變換在表驥語音信號參數(shù)精細結構上的不足，本文采焉二次時頻分布徽為語音信母的特征參數(shù)。為獲褥理憨的分類效聚，采用Nelder—Mead算法對選用的核函數(shù)的參數(shù)進行了優(yōu)化。最后，通過語音識別和說話人識別實驗顯示，采用優(yōu)化的核函數(shù)，以二次時頻分布為特征進行語音僚號分類，霹璦獲褥瀵惑熬效采。關鍵詞：語音識別，說話人識別，時頻分布，最小距離分類器AB

3、S至l弧eTClassificationofspeechsignalsisanimportantbaseofthespeechrecognition，speakerrecognitionandspeechsynthesis，forwhichthechiefissueistoselectthepropercharacteristicsofsignalsFirstlywereviewedtheresearchoftimefrequencya

4、nalysisandspeechsignalprocessingThenthedissertationstudiestheprinciples，applicationsandcharacteristicofthespeechcharacteristicrepresentationtechnologies，suchasShortTimeFourierTransform(STF羊)，LinerPredictionCodingLPC)，Gab

5、or曩8nsfcrmandW8velet1’ransform，andarithmeticmodel，suchasMinimumDistanceClassifierVectorQuantization(VQ)GaussianMixtureModel(GMM)andHiddenMarkovModel(HMM)SinceSTFTand、ⅣjveletTransformcan’trepresentthefinestructureofspeech

6、signal，thethesisusesquadratictime—frequencydistributionasthefeatureofthesignalsToobtainthebetterperformanceofclassification，theselectedkernelsareoptimizedbyNelderMeadarithmeticFinallytheexperimentsofspeechrecognitionands

7、peakerrecognitionshowsthatwecanobtaintheperfectperformanceofclassificationwhenquadratictimefrequencydistributionswithoptimizedkernelareusedasehafacto廷sticsZhengPuliang(Communicationandinformationsystem)DirectedbyProfXuGa