基于MFCC二次特征提取和VQ的含噪語(yǔ)音說(shuō)話(huà)人識(shí)別研究.pdf

1、隨著數(shù)字信息和日常生活信息交流的多元化發(fā)展,個(gè)人身份認(rèn)證是人們參與社會(huì)活動(dòng)的重要保障,以語(yǔ)音作為人機(jī)交互方式的說(shuō)話(huà)人識(shí)別,是生物認(rèn)證發(fā)展的一個(gè)方向。說(shuō)話(huà)人識(shí)別基于語(yǔ)音信號(hào)處理技術(shù),提取語(yǔ)音特征參數(shù),建立說(shuō)話(huà)人模型,并完成身份鑒定,具有便捷性和可靠性等優(yōu)點(diǎn),在刑事偵查、電話(huà)銀行系統(tǒng)、計(jì)算機(jī)遠(yuǎn)程登錄、門(mén)禁系統(tǒng)等領(lǐng)域,具有廣闊的應(yīng)用前景,受到越來(lái)越多研究者的重視。
　　目前說(shuō)話(huà)人識(shí)別在實(shí)驗(yàn)室環(huán)境下取得了令人滿(mǎn)意的結(jié)果,但說(shuō)話(huà)人識(shí)別技術(shù)在

2、實(shí)用過(guò)程中還存在諸多問(wèn)題,需要進(jìn)一步的研究。本文從說(shuō)話(huà)人識(shí)別系統(tǒng)的整體著手,分析了語(yǔ)音前段處理的重要性,詳細(xì)地闡述了特征參數(shù)的研究現(xiàn)狀,介紹了目前應(yīng)用于說(shuō)話(huà)人識(shí)別的常用模型,并對(duì)其進(jìn)行分析比較。本文的主要研究?jī)?nèi)容如下:
　　(1)由于語(yǔ)音的產(chǎn)生不可避免地要受到環(huán)境噪聲的影響,使得說(shuō)話(huà)人識(shí)別系統(tǒng)的識(shí)別率急劇下降,嚴(yán)重影響說(shuō)話(huà)人識(shí)別系統(tǒng)的魯棒性。因此,本文著重研究在不同噪聲環(huán)境下的語(yǔ)音增強(qiáng),利用經(jīng)驗(yàn)?zāi)B(tài)分解進(jìn)行語(yǔ)音信號(hào)分解,對(duì)本征模態(tài)

3、函數(shù)采用基于譜熵的語(yǔ)音端點(diǎn)檢測(cè)方法進(jìn)行去噪,得到的增強(qiáng)語(yǔ)音效果良好。
　　(2)提取信號(hào)中更具魯棒穩(wěn)健的語(yǔ)音特征參數(shù),挖掘更能體現(xiàn)個(gè)人特色的語(yǔ)音參數(shù)。在說(shuō)話(huà)人識(shí)別系統(tǒng)中,由于每個(gè)說(shuō)話(huà)人固有的說(shuō)話(huà)特性,由其特征參數(shù)的分布可以得到表征說(shuō)話(huà)人語(yǔ)音特性的信息。本文基于MFCC特征參數(shù)進(jìn)行研究,運(yùn)用二次特征提取引入新的參數(shù)?MFCC、 WMFCC和IWMFCC,采用增減分量法分析向量貢獻(xiàn)值,去除貢獻(xiàn)低的分量,組成新的混合參數(shù)。
　　(