说话人特征提取识别算法的研究.pdf

硕十学何论文 摘要 说话人识别以其独特的方便性、经济性和准确性等优势在公安、司法、声控 以及军事等领域有着广阔的应用前景。如何从大量的语音数据中提取反映说话人 个性特征的语音参数和设计行之有效的分类器是说话人识别领域研究的热点。 Vector 针对支持向量机法(Suppon Fisher (Kernel 1．针对说话人识别中语音数据维数高和识别模型训练慢的问题，提出基于 主分量空间的PCA分类方法和基于截断误差空间的PCA分类方法，在保证识别性 能的情况下，可以有效地降低后续阶段的计算复杂度。 2．针对SVM不能直接处理动态时间序列语音数据的问题，提出一种基于添 score)的序列特征提取方法。为了 加原始分类信息Fisher分值法(AOI．Fisher 的同时筛选出可能的目标说话人，缩小说话人的范围，减少输入样本的数量。该 方法可以提高SvM在整体语音数据上进行分类的性能，同时又可降低系统的建 模时间。 PCA分类器实现简单，可以快速的判断出可能的目标说话人，然后采用KFD进 行最终的说话人确认。该方法克服了KFD的计算复杂度随着样本规模的增大而 提高的缺陷。相比于传统的sVM分类器和KFD分类器，仿真实验结果表明多 级分类器具有较高的识别率，同时在建模时间和识别速度方面占有较大的优势。 说话人识别算法和特征提取的研究 Abstract Duetoits meritsof aIld special nexibil时，economyaccuracy，speaker 、7~ridely int11efieldof applied publicsec嘶够，judican鹏，voice-con仃olledc巧ptography， criIllinal veri丘cationand research of verificatioll，patiemmilit哪affa豳．Thehot研)0tsspeaker areiIlt、7l，o ishowtoextmcttheef．fectiVe recognition aspects：one speechpar锄eter丘om otheristhe ofeflfectiveclassifer． large—sc础e data；the speech desigIl Basedonthe exiStedinSVMand somen0Veland problems KFD，、ve proposed memods．TtleresearCh、vorkoftIlis isaSfollows． improVed paper 1．BaSedonme researchof dimensionreductionaLrld deeply optiIIlal claSsi母inPCA，we thePCS·PCAclaSsifier锄dTES—PCAclassifiertosolVet11e of proposed problemhigh dimensionand existedin