与文本无关的开集说话人识别技术研究

论文摘要

随着信息技术的发展,身份识别在信息安全领域发挥着越来越重要的作用。生物识别以其特有的稳定性、唯一性和方便性,逐渐成为身份识别领域中的重要研究方向。说话人识别技术是生物识别技术的一种,此技术的重点是根据说话人之间个性特征的差异来区分说话人。目前与文本相关的闭集说话人识别技术已经取得了较高的识别率,但是对于开集识别而言,识别率较低。因为开集识别要涉及到说话人辨认和阈值确认,所以辨认和阈值确认是开集识别的难点和关键。本文针对与文本无关的开集说话人识别技术,详细分析了说话人识别系统的基本原理和结构,并且对语音端点检测、特征参数提取、开集辨认、闽值确认几个部分进行了深入的研究。所做的主要工作如下：（1）预处理和语音端点检测部分,首先分析预处理和语音端点检测的重要性。然后从理论上描述基于短时能量的端点检测算法、基于短时过零率的端点检测算法、基于短时能频值的端点检测算法、基于谱熵的端点检测算法和基于改进谱熵的端点检测算法。最后对预加重和上述五个端点检测算法进行实验仿真,并对上述五个端点检测算法进行优缺点的比较。针对实验室环境下录制的说话人发音较小的特点,采用改进谱熵的端点检测算法。（2）特征提取部分,从理论上分析了参数提取方法和PCA理论。研究将PCA理论应用于特征参数的提取。仿真实验证明该方法能够在一定程度上改善识别性能,同时减少码本训练的运算时间。（3）开集辨认部分,针对传统VQ的不足,研究将FCM算法与PCA理论相结合的开集说话人辨认系统。仿真实验证明FCM+PCA具有比FCM、VQ+PCA和VQ更高的识别率。（4）开集识别部分,详细描述经典阈值、动态阈值、RS阈值的估计方法。研究将FCM+PCA辨认和RS阈值确认相结合的开集说话人识别系统。仿真实验证明此系统的EER与基于上述三种阈值的识别系统的EER相比较在一定程度上有所降低。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究背景及意义
• 1.1.1 说话人识别介绍
• 1.1.2 说话人识别的优势与应用前景
• 1.1.3 说话人识别的研究意义
• 1.2 说话人识别的研究与发展现状
• 1.3 本文主要工作与论文结构
• 第2章 说话人识别技术基础
• 2.1 说话人识别系统的结构与原理
• 2.2 说话人识别模型
• 2.2.1 模板模型匹配
• 2.2.2 概率模型匹配
• 2.2.3 人工神经网络
• 2.2.4 支持向量机
• 2.2.5 融合方法
• 2.3 识别性能的评价标准
• 2.4 本章小结
• 第3章 语音信号的预处理与端点检测
• 3.1 语音信号的数字化与预处理
• 3.1.1 语音信号的数字化
• 3.1.2 预加重
• 3.1.3 语音信号的分帧和加窗
• 3.2 语音端点检测
• 3.2.1 语音端点检测的目的
• 3.2.2 语音端点检测算法
• 3.3 本章小结
• 第4章 说话人特征参数提取
• 4.1 特征参数提取意义和原则
• 4.2 特征参数提取
• 4.2.1 美尔倒谱系数MFCC
• 4.2.2 动态MFCC
• 4.3 基于主成分分析的说话人特征变换
• 4.3.1 特征参数的缺点
• 4.3.2 PCA对特征参数去相关、降维的推导
• 4.3.3 主成分分析转换步骤
• 4.3.4 维数的选择
• 4.4 本章小结
• 第5章 聚类量化的开集说话人识别系统
• 5.1 基于矢量量化的开集说话人辨认
• 5.1.1 矢量量化的基本原理
• 5.1.2 失真测度
• 5.1.3 最佳码本设计
• 5.1.4 基于VQ的说话人辨认
• 5.1.5 局部PCA特征转换与VQ结合的说话人辨认
• 5.2 基于模糊矢量量化的开集说话人辨认
• 5.2.1 矢量量化的局限性
• 5.2.2 FCM对新特征参数聚类的算法推导
• 5.2.3 FCM对新特征参数聚类的算法步骤
• 5.2.4 基于FVQ的说话人辨认
• 5.2.5 局部PCA特征转换与FVQ结合的说话人辨认
• 5.3 开集说话人阈值确认
• 5.3.1 经典阈值
• 5.3.2 动态阈值
• 5.3.3 RS（Robust-Threshold）阈值
• 5.4 聚类量化的开集说话人识别
• 5.5 实验仿真
• 5.5.1 聚类量化的开集说话人辨认系统的仿真实验
• 5.5.2 聚类量化的开集说话人识别系统的仿真实验
• 5.6 本章小结
• 结论与展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文及科研成果