基于VQ與HMM的說話人識(shí)別系統(tǒng)的研究.pdf

1、本文通過分析說話人識(shí)別基本原理與系統(tǒng)結(jié)構(gòu),考察現(xiàn)有的說話人識(shí)別技術(shù),研究線性預(yù)測(cè)倒譜系數(shù)及其差分、美爾倒譜系數(shù)及其差分特征參數(shù)相結(jié)合,矢量量化(VQ)與隱馬爾可夫模型(HMM)相結(jié)合應(yīng)用于說話人識(shí)別的識(shí)別方法,建立說話人識(shí)別系統(tǒng).本文從語音信號(hào)的預(yù)處理開始分析,對(duì)語音信號(hào)進(jìn)行了端點(diǎn)檢測(cè),濾除了語音信號(hào)的無聲段和噪聲,為語音特征參數(shù)的提取提供了有效語音段.本文應(yīng)用全極點(diǎn)模型,提取語音信號(hào)的線性預(yù)測(cè)系數(shù),并推導(dǎo)出其倒譜系數(shù),獲得線性預(yù)測(cè)倒譜

2、系數(shù)及其差分,用以描述說話人聲道的動(dòng)態(tài)變化.本文通過MATLAB語音處理工具箱,提取輸入語音的特征參數(shù),采用線性預(yù)測(cè)倒譜系數(shù)及其差分和美爾倒譜系數(shù)及其差分相結(jié)合識(shí)別,提高了系統(tǒng)的識(shí)別性能,采用LBG算法進(jìn)行碼書設(shè)計(jì)、Baum-Welch算法進(jìn)行訓(xùn)練、Viterbi算法進(jìn)行識(shí)別,并在隱馬爾可夫模型前端采用矢量量化為每一說話人設(shè)計(jì)碼書,避免了由于說話人使用同一碼書帶來的量化誤差,接著將誤差又帶到下一級(jí)的HMM識(shí)別,引起誤差積累效應(yīng).獲得了很