【《比较MFCC和GFCC在声纹识别中识别率的差异研究》14000字】 .pdfVIP

比较MFCC和GFCC在声纹识别中识别率的差异研究

摘要

随着信息探究方面的科学技术的不断进步，充满信息的时代来临，需要面

对一个很要的问题-信息安全。而不同的身份对应着不同的信息，身份确认成

为信息安全的一个要部分。在身份确认中，声纹与指纹、面貌等身份特征信

息相似，不同的人具有不同的特征并且具有唯一性。因此只要能够不断完善提

取的特征值，就有足够的信息来识别身份，故通过提取声纹中的特征参数进行

模型匹配的声纹识别技术不断发展，从而被国内外的学者广泛研究关注。声蚊

识别中涉及到了语音预处理、特征提取、模型训练及匹配等关键技术。本文针

对声纹识别系统，主要研究了特征提取这部分的关键技术及算法。

在声纹识别的特征提取部分，为了对比研究不同参数对声纹识别结果的影

响,本文点分析介绍了梅尔倒谱系数(Mel-FrequencyCepstralCoefficients,

MFCC)以及伽玛通频率倒谱系数(GFCC)的概念以及提取算法，其次，从身

份人识别模型入手，为了保证声纹识别结果的对比性，声纹识别系统的模型训

练部分研究描述了高斯混合模型(GMM),并统一采用了高斯混合模型

(GMM)进行语音的训练识别，通过MATLAB程序仿真实现了声纹识别。

针对不同说话人进行训练识别，并对不同情况下的声纹识别情况进行对

比，选择更有效的参数提高系统的识别准确率和抗噪性能。实验表明，在相同

条件下的参数对比，GFCC的声纹识别率更高，并且参数GFCC能够有效提高

系统的抗噪鲁棒性。

关键词：声纹识别、MFCC、GFCC、高斯混合模型

目录

1绪论1

1.1研究背景及意义1

1.1.1研究背景1

1.1.2研究意义1

1.2国内外研究现状及应用前景2

1.编程语言选择

1.4本文主要研究内容与结构安排

2声纹识别系统的概述4

2.1声纹识别的基本概念4

2.2声纹识别系统的结构5

语音预处理6

.1预加6

.2分帧7

.加窗8

.4端点检测10

4特征参数的提取10

4.1特征参数选择10

4.2Mel倒谱系数(MFCC)11

4.2.1Mel倒谱系数概念11

4.2.2Mel倒谱系数的提取11

4.Gammatone频率倒谱系数(GFCC)14

4..1Gammatone频率倒谱系数概念14

4..2Gammatone频率倒谱系数的提取14

5特征参数在高斯混合模型的声纹识别16

5.1模型介绍及选择16

5.2高斯混合模型17

5.基于高斯混合模型的声纹识别18

6基于MATLAB环境下的仿真实验18

6.1声纹识别系统框架18

6.2声纹识别过程及结果19

6.参数对比22

7结论与展望2

7.1结论2

7.2展望24

参考文献25

第1页共19页

1绪论

1.1研究背景及意义

1.1.1研究背景

时代不断发展，伴随着小康社会的普及，全民生活水平的不断抬高，各行

各业技术不断更新迭代，人类在各方面都已经进入了全面信息化的时代。信息

安全问题的发展形势也非常严峻，在各行业中都会涉及到信息安全问题，例如

银行证券、公安司法、军队国防等都离不开信息，并且经常会在人机交互过程

中涉及到身份验证等问题。而传统的身份验证方法和手段例如证件、钥匙等表

明身份，那么一旦出现表明身份的物品被盗取的现象，则身份就有可能被冒充

或者取代。为解决传统身份识别中出现的一系列问题，身份识别领域的逐渐引

起研究人员的广泛关注（李逸飞，王梓萱，2022）。随着信息科技领域的技术

不断发展与生物领域技术的不断完善，两者发展过程中逐渐融合，在这样的大

环境下有关生物识别方面的技术不断出现，基于生物特征的身份认证和识别技

术成为现代身份人识别的关键技术。生物技术与光学、声学、生物传感器等科

学技术手段密切相关，利用生物统计数据等使用者固有的生理特征，如指纹、

面部、虹膜和行为特征，如笔迹、声音和行走身份进行识别既语音作为人类的

说话传递信息的方式，隐藏着特有