说话人识别系统的研讨与开发.pdfVIP

摘摘 要要 摘摘 要要 说话人识别技术作为语音信号处理技术的一个重要组成部分 有着十分广阔 的研究和应用前景 目前 已经有几种识别方法应用于说话人识别 但识别率 系统稳定性 噪声鲁棒性还不是很理想 本文提出支持向量机技术应用于说话人 识别 与传统的方法比取得了较高的识别率和较强的鲁棒性 支持向量机技术是 一种统计学习理论 结合经验风险和期望风险的平衡点 兼顾学习能力和推广能 力 是一种较新的机器学习方法 它基于结构风险最小化原则的模式分类方法 在处理样本中非线性 高维数问题时有很大的优势 所以在应用基于语音样本的 说话人识别上有良好的效果 本文依拖实际项目 在阐述说话人识别原理的基础上 充分考虑说话人识别 系统的识别率 识别速度 稳定性等综合因素 采用能够反映人对语音的感知特 性的线性预测倒谱系数LPCC 作为特征参数 LPCC 的重要性还在于 它提供了一 组简洁的语音信号模型参数 这一组参数较精确地表征了语音信号的频谱幅度 而分析它们所需的运算量相对来讲却不大 同时结合矢量量化技术 成功开发出 语音检索系统 矢量量化技术不同于传统的标量量化方法 基本思想是将若干标 量数据联合成一个矢量 然后对