MATLAB环境下的基于GMM模型的说话人识别系统.doc

MATLAB环境下的基于GMM模型的说话人识别系统 摘要：利用Windows平台与MATLAB软件，设计了一种基于GMM的与文本无关的说话人识别系统，系统包括端点检测，特征提取，参数训练，说话人识别四部分。该系统性能稳定，使用方便，可用于语音信号的频谱分析，实时处理。 关键词：说话人识别；MATLAB； GMM Abstract: Making use of the windows flat and matlab soft, au uncertain text-speaker-recognition system based on GMM is designed. This system includes for parts: pretreatment, character-extraction, mould-training, recognition. The advantages of this system are reliability, facility, and wide range of application. The system may be applied to spectrum analysis, disposal in real time, speech compose, speech recognition and so on. Key words: speaker-recognition; matlab; GMM A Speaker Recognition System based on GMM in MATLAB Eviroment 1引言 说话人识别是从说话人发出的语音信号中自动提取说话人的信息，并对说话人进行识别的研究领域。它是一类特殊的语音识别，其目的不是识别说话人讲的内容，而是识别说话人是谁。根据识别的对象不同，说话人识别可分为与文本有关，与文本无关，文本提示型三大系统。其中，与文本无关的识别方法是当前说话人识别技术的研究重点。从现有的文献来看，针对与文本无关的说话人识别，GMM能取得比较好的性能，本文的工作就是设计一个用MATLAB软件编程的基于GMM的说话人识别系统。 2说话人识别系统结构 说话人识别系统包括预处理阶段，特征提取，参数训练，说话人识别四部分。如图1所示： 2.1语音信号的采集 在MATLAB，调用waverecord函数可以实现录音功能：调用格式为x=waverecord(n,fs,ch,dtype)，这里n为采样的点数，它决定了录音的长度。Fs为采样频率，默认值为11025，ch为通道数，默认为1，如果制定为2，则采样为双声道立体声数据，该参数可以省略。Dtype为采样数据的存储格式。此函数返回数字化的语音数据串，可直接作为MATLAB变量参与各种运算，便于实时处理。但该函数录制语音的时候必须指定语音的时间。如果该时间太短，或者在指定的时间内用户没有说话，就会漏掉部分或者全部的语音数据。经采样和量化过程后，一般还要对语音信号进行一些预加重，其目的就是提升高频部分，使信号的频谱变得平坦，便于进行频谱分析或声道参数分析。 以下一段语音录放程序：采样频率为8000Hz，采取语音信号长度为16000个点，通道数默认为1，采样数据的存储格式为双精度型，然后进行高频提升。 Fs=8000; x=wavrecord(2*Fs,Fs,double); y=filter([1 -0.9375],1,x); 2.2预处理阶段 主要包括：语音信号分帧，端点检测。 经过数字化的语音信号实际上是一个时变信号，为了能用传统的方法对语音信号进行分析，应假设语音信号在10-30短时间内是平稳的。为了得到短时的语音信号，要对语音信号进行加窗操作。窗函数平滑地在语音信号上滑动，就将语音信号分成帧。分帧时可以采用交叠分段的方法，交叠部分称为帧移，一般为窗长的一半。本系统采用了voice box 工具箱中的函数enframe对语音信号进行分帧。Voice box工具箱是基于GNU协议的自由软件，可以在这里下载： http：//www.ee.ic.ac.uk/hp/staff/dmb/voicebox/voicebox.html enframe函数最常用的语法为：f=enframe(x, len, inc)；这里x为输入语音信号，len指定了帧长，inc指定了帧移。 短时能量的计算： 图2可以看到前面和后面一段的信号幅度都比较低，属于静音或是噪音。因此可用信号的幅度作为特征，区分静音和语音。只要设定一个门限，当信号的幅度超过该门限的时候，就认为语音开始，当幅度降低到门限以下就认为语音