基于矢量量化文本无关说话人识别系统的设计和实现-计算机应用专业论文.docxVIP

I I 基于矢量量化文本无关说话人识别系统的设计和实现 摘 要 说话人识别是指通过对说话人语音信号进行相应的分析处理 提 取相应的特征或建立相应的模型 然后据此做出判断 自动确定说 话人是否在所记录的说话人集合中 进而确定说话人是谁的过程 根据是否预先确定识别用发音内容 说话人识别又分为文本相关 和文本无关的说话人识别 目前 用于说话人识别的方法有如下几 种 基于模板的说话人识别 基于矢量量化的说话人识别 基于高 斯混合模型的说话人识别 基于隐式马尔柯夫模型的说话人识别和 基于人工神经网络的说话人识别等 本课题依托实际项目 在原有 的理论基础上 结合委托单位具体要求 使用基于矢量量化文本无 关说话人识别方法开发出一个实用化文本无关说话人识别系统 作为一个实用化系统 本系统在设计和实现阶段充分考虑了委托 单位对识别率 识别速度 系统容量和抗噪能力等方面的需求 选 择和改进了相关算法 系统选择 LPC 倒谱作为识别的主要特征 使 用长时频谱作为辅助特征 针对特征码本聚类时 LBG 算法容易陷入 局部极小点的缺陷 系统在模拟退火算法的基础上 采用了 LBG 结 合模拟退火的算法进行聚类 实践证明该算法保证了码本的质量 为了实现在实际环境中的实时识别 系统先采用了静音检测技术探 测有效语音片断 然后使用更精确的端点检测技术进行更精确分析 II II 针对环境多变性以及在实际使用中容易遭受环境噪声 信道失真 说话人个性特征和发声变形等环境因素的对说话人识别系统的干扰 与影响 系统采取了基于语音失真框架模型的自适应算法来不断修 正说话人码本以纠正偏差 论文以系统的实用化为核心 阐述了系统的原理 系统技术的选 用与改进以及系统的设计和实现 本文由六部分组成 第一章绪论, 对说话人识别系统的概念 发展状况 存在的问题以及用户需求进 行了阐述 第二章主要介绍了说话人识别系统的原理和一般系统结 构 第三章对系统选用和改进的技术进行了详细分析 第四章对系 统设计进行了阐述 包括系统模型 各模块分析以及自适应算法设 计 第五章阐述了系统的具体实现和实测数据分析 最后一章为总 结和展望 关键词 矢量量化 说话人识别 模拟退火 端点检测 自适应 PAGE PAGE IV DESIGN IMPLEMENT OF TEXT-INDEPENDENT SPEAKER RECOGNITION SYSTEM BASED ON VECTOR QUANTIZATION ABSTRACT Speaker recognition analyses speaker’ s speech signal and extracts its feature or builds its model with which it can judge whether the speaker is in the users set and find it out. According to whether speech content is given, Speaker recognition is classified to text-dependent and text independent recognition. Presently, these are several methods used in speaker recognition: method based on template, vector quantization, GMM, HMM, and NN etc. This article expatiates on an accomplished practical speaker recognition system based on vector quantization according to demands from consigning unit. To be a practical system, when designed and developed, I selected and ameliorated some algorithms to fulfill the demands from consigning unit such as recognition ratio, recognition speed, system capacity and noise filtering. LPCcepstral is chose to be the main feature for recognition, and spectrum is an assistant feature. In allusion to the disfigure