基于優(yōu)化語(yǔ)音提取的聲紋識(shí)別系統(tǒng).pdf

1、聲紋識(shí)別對(duì)當(dāng)前人們的生活有著重要的影響,設(shè)計(jì)一種識(shí)別效果好的聲紋識(shí)別系統(tǒng)是非常有必要的。決定整體系統(tǒng)的識(shí)別率關(guān)鍵的就在端點(diǎn)檢測(cè)、特征提取以及模板匹配,為了達(dá)到更好的識(shí)別效果,本文主要研究了端點(diǎn)檢測(cè)和特征提取對(duì)整體系統(tǒng)的性能影響,當(dāng)前聯(lián)合多種特征參數(shù)已成為了一種重要的優(yōu)化參數(shù)的方法。
　　本文從語(yǔ)音信號(hào)的預(yù)處理階段開始對(duì)其進(jìn)行分析,對(duì)語(yǔ)音信號(hào)進(jìn)行了去除噪聲和端點(diǎn)檢測(cè),有效的濾除語(yǔ)音信號(hào)的無(wú)聲段,其可以為語(yǔ)音特征參數(shù)在提取時(shí),提供正確

2、有效的語(yǔ)音段。文中分析比較了倒譜特征算法和對(duì)數(shù)能量特征算法的兩類檢測(cè)性能。結(jié)果表明,在低信噪比條件下這些算法的檢測(cè)性能均不是特別理想,所以需要尋找到能夠更好表征語(yǔ)音的特征參數(shù)來(lái)進(jìn)行端點(diǎn)檢測(cè)。
　　為了能夠克服傳統(tǒng)方法的倒譜距離語(yǔ)音檢測(cè)算法檢測(cè)效果在低信噪比下不理想的缺點(diǎn),本文將結(jié)合對(duì)數(shù)能量(LE)特征和倒譜(C)特征,研究了一種融合對(duì)數(shù)能量倒譜特征(LEC)的新方法。該方法采用模糊C均值聚類和貝葉斯信息準(zhǔn)則(BIC)的方法估計(jì)判定

3、特征門限,得到了正確、有效的語(yǔ)音端點(diǎn)判斷,在3種非常典型噪聲干擾下,把信噪比從-5db到15db的帶噪語(yǔ)音進(jìn)行實(shí)驗(yàn)仿真,實(shí)驗(yàn)結(jié)果顯示LEC法的檢測(cè)錯(cuò)誤率僅為20.25％,明顯低于倒譜法和對(duì)數(shù)能量法,對(duì)確定語(yǔ)音的端點(diǎn)更為有效,此方法間接地改善了語(yǔ)音識(shí)別效果。
　　本文通過(guò)使用MATLAB專用語(yǔ)音處理工具箱,提取錄入語(yǔ)音片段的特征參數(shù),采用動(dòng)態(tài)時(shí)間歸整算法使參考模板與測(cè)試模板來(lái)進(jìn)行匹配,提高了一定的系統(tǒng)識(shí)別率。本文考慮到系統(tǒng)的可靠性,