学位论文 > 优秀研究生学位论文题录展示

噪声环境下的说话人识别研究

作　者: 邬晓红
导　师: 金炜东
学　校: 西南交通大学
专　业: 电工理论与新技术
关键词: 说话人识别噪声环境小波 Mel倒谱系数矢量量化
分类号: TN912.34
类　型: 硕士论文
年　份: 2011年
下　载: 66次
引　用: 0次
阅　读: 论文下载

内容摘要

语音信号处理技术是信息社会不可或缺的技术,说话人识别是语音处理的一个重要研究领域。说话人识别又称声纹识别,是利用说话人的语音特征对说话人的身份进行辨认或确认。它综合了多门学科的理论成果,如声学、语音学、语言学、生理学、数字信号处理、模式识别、人工智能等。说话人识别在司法查证、机要保密、电子商务等领域有着广泛的应用前景。说话人识别系统主要是由特征提取和模式分类两部分组成。特征提取,即如何从数据量相当大的原始语音信号中提取出反映说话人个性特征的参数；模式分类,即设计出行之有效的分类器。本课题特征提取采用了美尔倒谱系数(MFCC)与一阶差分美尔频率倒谱系数(ΔMFCC)相结合的新特征参数,模式分类采用了传统的,具有良好识别性能的矢量量化模型。最后用MATLAB设计了与文本有关的闭集的说话人辨识系统平台,在包含20个人的语音数据库上做了测试,得出在纯净语音环境下,有很高的识别率。说话人识别虽然研究历史较长,但仍有许多问题有待研究解决,噪声环境下的说话人识别即是其一。在纯净语音环境下系统有很高的识别率,但在噪声环境中识别率显著降低。实验也显示出此结果,且信号信噪比越低,系统识别率越低。为了使说话人识别能够真正运用于实际,而不是始终停留在实验室,需要说话人识别系统对多种不同类型的噪声和不同信噪比条件的噪声具有良好的鲁棒性。本课题考虑了高斯白噪声环境下,信噪比选用：lOdB、15dB、25dB、30dB、40dB的噪声信号,用小波去噪方法对信号中噪声进行抑制,以提高说话人识别系统在噪声环境下的顽健性。实验结果显示,去噪后系统识别率有所提高。使得本课题设计的说话人识别系统具有一定的实际意义。毫无疑问,寻找并利用行之有效的去噪方法是提高系统实用性的关键技术,也是本人今后工作的重要方向之一

全文目录

摘要  6-7
Abstract  7-11
第1章绪论  11-19
  1.1 研究背景及意义  11-13
    1.1.1 说话人识别介绍  11-12
    1.1.2 说话人识别的优势与应用前景  12-13
  1.2 研究进展与趋势  13-15
    1.2.1 说话人识别的研究历史及现状  13-14
    1.2.2 发展趋势  14-15
    1.2.3 存在问题  15
  1.3 说话人识别系统结构  15-16
  1.4 噪声环境中的说话人识别及研究意义  16-17
  1.5 本课题的主要研究内容及章节安排  17-18
  本章小结  18-19
第2章小波语音增强在说话人识别中的应用  19-30
  2.1 小波分析理论简介  19-26
    2.1.1 傅里叶变换  19-20
    2.1.2 短时傅里叶变换  20-22
    2.1.3 小波变换  22-23
    2.1.4 多分辨率分析和Mallat算法  23-26
  2.2 小波去噪  26-29
    2.2.1 小波去噪的原理  26-27
    2.2.2 小波阈值施加的方式  27-28
    2.2.3 MATLAB中的小波阈值  28-29
  本章小结  29-30
第3章语音信号的特征参数的提取  30-38
  3.1 语音信号的几种分析方法  30-31
    3.1.1 时域分析  30
    3.1.2 频域分析  30-31
    3.1.3 倒谱分析  31
  3.2 线性预测系数(LPC)提取  31-33
  3.3 线性预测倒谱系数(LPCC)的提取  33-35
  3.4 MFCC和差分MFCC参数的提取  35-37
    3.4.1 MFCC参数的提取  35-37
    3.4.2 差分MFCC参数的提取  37
  本章小结  37-38
第4章说话人识别模型  38-44
  4.1 说话人识别模型设计方法简介  38-40
    4.1.1 模板模型  38-39
    4.1.2 概率模型  39
    4.1.3 判决模型  39-40
    4.1.4 混合模型  40
  4.2 矢量量化的基本原理  40-41
  4.3 LBG算法  41-43
  本章小结  43-44
第5章说话人识别系统的MATLAB实现  44-64
  5.1 语音鉴别的MATLAB设计与实现  45-52
    5.1.1 语音信号预处理的MATLAB实现  45-50
    5.1.2 MFCC+ΔMFCC特征提取的MATLAB实现  50-52
  5.2 语音认证的MATLAB设计与实现  52-58
    5.2.1 检查声学空间  52-53
    5.2.2 矢量量化码本的LBG算法  53-54
    5.2.3 训练的矢量量化码字的数据点  54-56
    5.2.4 识别系统训练阶段  56-57
    5.2.5 识别系统测试阶段  57-58
  5.3 说话人识别系统测试平台设计  58-63
  本章小结  63-64
结论  64-66
致谢  66-67
参考文献  67-71
附  71-76
攻读硕士学位期间发表的论文  76

噪声环境下的说话人识别研究

内容摘要

全文目录

相似论文