基于說話人識別的因特網(wǎng)語音傳輸系統(tǒng).pdf

1、近年來,因特網(wǎng)語音傳輸技術(shù)和說話人識別技術(shù)都已日趨成熟。其中,作為因特網(wǎng)語音傳輸技術(shù)最典型應(yīng)用的因特網(wǎng)電話,已成為當(dāng)前因特網(wǎng)增長最快的業(yè)務(wù)之一;說話人識別技術(shù)相對于其它生物識別技術(shù),因其獨特的優(yōu)點,而在身份識別領(lǐng)域中得到了廣泛的應(yīng)用。如果能夠把說話人識別技術(shù)與因特網(wǎng)傳輸技術(shù)結(jié)合起來,必能大大地推動兩者的發(fā)展,并且對于開發(fā)因特網(wǎng)在身份識別方面的應(yīng)用也有著極其深遠的意義。
　　本文以基于說話人識別的因特網(wǎng)語音傳輸系統(tǒng)作為研究及設(shè)計對象

2、。首先分別從語音信號的預(yù)處理、特征參數(shù)提取、說話人識別方法三個方面對說話人識別技術(shù)進行了詳細(xì)研究和分析。說話人識別的關(guān)鍵技術(shù)是對包含在語音信號中的個人特征參數(shù)進行識別,因此在網(wǎng)絡(luò)傳輸過程中,能否準(zhǔn)確接收個人特征參數(shù)是決定系統(tǒng)性能的重要因素,這是完全異于現(xiàn)階段的因特網(wǎng)語音傳輸技術(shù)的,后者關(guān)心的是包含在語音信號中的文字符號和語義內(nèi)容信息。
　　本文對因特網(wǎng)的體系結(jié)構(gòu)和網(wǎng)絡(luò)協(xié)議也進行了研究。特別是對Internet傳輸層的各傳輸協(xié)議進行

3、了分析比較: TCP協(xié)議是為了在不可靠的互聯(lián)網(wǎng)絡(luò)上提供一個可靠的端到端服務(wù)而設(shè)計的,它為應(yīng)用層提供全雙工的、有應(yīng)答和有流量控制的面向連接的服務(wù),從而實現(xiàn)有序的、無重復(fù)的數(shù)據(jù)流傳輸,它強調(diào)的是傳輸數(shù)據(jù)的準(zhǔn)確性;UDP協(xié)議提供無連接的服務(wù),數(shù)據(jù)通過相互獨立的報文進行傳輸,是無序的,并且不保證可靠、無差錯;RTP協(xié)議作為因特網(wǎng)語音傳輸各協(xié)議的基礎(chǔ),運行在UDP之上,為媒體流提供實時傳輸服務(wù),強調(diào)數(shù)據(jù)傳輸?shù)膶崟r性,不保證可靠、無差錯。
　

4、　因此,本文針對說話人識別和因特網(wǎng)傳輸技術(shù)的特點,設(shè)計出了適合于說話人識別的網(wǎng)絡(luò)傳輸方案:采用客戶/服務(wù)器模式,在客戶端提取出語音信號的特征參數(shù),采用 TCP協(xié)議把特征參數(shù)傳輸給服務(wù)器,由服務(wù)器完成識別與訓(xùn)練的工作。系統(tǒng)使用Visual C++6.0編程工具,實現(xiàn)了一個與文本有關(guān)的說話人確認(rèn)系統(tǒng),并使用MFC中封裝的Windows Sockets類完成了語音特征參數(shù)的網(wǎng)絡(luò)傳輸。最終實現(xiàn)識別率約為90％的基于說話人識別的因特網(wǎng)語音傳輸系統(tǒng)