声纹识别分析王姚.doc

安徽科技学院2014-2015学年第1学期 《行业标准概论》课程论文 姓名：王姚 学号：1665110215 班级：电信112 声纹识别的分析 王姚 （数理与信息工程学院） 摘要：本文提出了一种可用于说话人识别的神经阵列网络,以美尔倒谱系数（Mel F requeney Cepstrum Coefficients:MFCC）BP算法建立了一个与文本相关的说话人辨认系统。同时，算法结合心理声学模型，提取了能表现说话人个性特征的Mel倒谱系数为特征进行说话人识别，可较好地提升系统的抗噪性能。该方法具有快速学习网络权重的能力，并且网络的全局寻优能力强，使得系统的识别率进一步提高。 问题一、要求建立代表说话人身份的语音特征模型，通过编程从语音数据中提取说话人特征，本文通过构建声纹特征MFCC系数模型，对语音数据进行提取、 预加重、分帧、傅里叶变换等处理提取特征参数。 问题二、要求利用说话人特征建立说话人模型或声纹识别模型。本文利用BP神经网络模型以建成声纹识别模型。通过对特征参数的训练、分类，从而达到多个人说话的语音中分辨出各个人的语音； 问题三、要求我们利用语音数据，评价说话人模型或声纹识别模型评价的好坏。本文对语音信号进行了预处理，解决了滤除高频噪音，防止50Hz工频干扰及平滑频域信号等一系列不利于MFCC系数提取的因素，同时，计算出识别的准确率和所用时间，从而判断模型的好坏和实用性； 问题四中，我们透彻分析影响准确率的因素，运用遗传算法优化BP神经网络进行优化，进一步提高声纹识别的准确率。 关键词：美尔倒谱系数 遗传算法神经网络 声纹识别 BP神经网络 一、问题重述 生物认证是通过人体特征进行人物身份认证的重要手段，包括人脸识别、虹 膜识别、指纹识别、体态识别和声纹识别等方法，它们被广泛地应用于国防、军 事和民用等诸多领域，推动着信息产业的蓬勃发展。 声纹识别又称说话人识别，是通过分析说话人的语音的特点，利用计算机自 动识别说话人的身份。声纹识别又分为文本相关和文本无关说话人的识别两大类。文本无关是指说话人的说话内容不受限制，文本相关是指说话人的说话内容必须是指定的内容。 评价声纹识别方法或模型的最重要指标是识别准确率，准确率越高越宜于应 用于实际。评价的另外一个重要指标就是识别所花的时间，即输入待识别的说话 人语音到识别结果的输出说话的时间，该时间越短约好。 请试着利用采集到的说话人语音数据（文本相关和文本无关两类），完成以下几点： 1）建立代表说话人身份的语音特征模型，通过编程从语音数据中提取说话人特征； 2）利用说话人特征建立说话人模型或声纹识别模型； 3）利用语音数据评价你的说话人模型或声纹识别模型评价的好坏； 4）分析影响准确率的因素，采取措施进一步提高声纹识别的准确率。 二、问题分析 2.1 问题一要求建立代表说话人身份的语音特征，并且能够通过编程从语音数据中提取说话人特征。首先，我们要对输入的原始信号进行预处理，过滤其中不重要的信息以及背景噪声等，进行语音信号的端点检测，并进行语音信号的分帧以及预加重等处理工作。 对采集到的语音样本的预处理包括预加重、加窗分帧和端点检测。预加重主要是为了消除发声过程中声带和嘴唇的效应，补偿语音信号收到发音系统所压抑的高频部分，将原始语音信号通过一个高通滤波器： 式中u 为预加重系数，通常取值0.95 左右。 本系统采用一个窗长为256，窗移是128的汉明窗在语音序列上滑动，对语音进行加窗分帧处理。通过对语音信号的短时能量和短时过零率实现比较精确的端点切分，可以剔除掉静默帧、白噪声帧和清音帧，最后保留对求取MFCC等特征参数非常有用的浊音信号。 2.2 问题二是对说话人的语音进行识别，语音特征信号识别是语音识别研究领域中的一个重要方面,我们采用模式匹配的原理解决。语音识别的运算过程为:首先,待识别语音转化为电信号后输入识别系统,经过预处理后用数学方法提取语音特征信号,提取出的语音特征信号可以看成该段语音的模式。然后将该段语音模型同已知参考模式相比较,获得最佳匹配的参考模式为该段语音的识别结果。语音识别流程如图2.2.1所示 流程图如下： 图2.2.1 说话人识别模型流程图 本模型中我们选取了001，002，003，004四类不同音频,用BP 神经网络实现对这四类音频的有效分类。每段音频都用上述倒谱系数法提取500组24维语音特征信号,提取出的语音特征信号。 2.3问题三要求