1、 擞语言和编译器为工具,搭建了说话人识别软件系统。在系统前端,设置了登录和语音库管理模块,给用户提供了安全、简便的使用环境。在系统的主界面,设置了模式选择模块和说话人识别的各步骤模块,后者包含了之前理论部分的所有方法,体现出的特色是:可选择方案种类多、可自行设置参数值、单个人的识别和多人识别都可进行、操作简单、效果直观。在主界面中,还设置了反馈信息模块、语音的时域、变换域分析等其他功能模块,扩大了系统的使用范围,增加了其灵活性。 琤 甌, 琇, ,矢量量化的原理矢量量化的过程本章小结本章小结基于矢量量化的说话人识别系统研究及实现生物认证技术,也可称为生物识别技术、生物测定学技术、生物特征识别,
2、是一种利用测试者自己的生物特征对其身份进行认证的技术,它也是一种集有效性和经济性于一身的技术乜玫纳锾卣饕话憔哂幸韵率粜裕浩毡樾也可称为通用性,即每个人都有的特征潭也可称为稳定性、恒定性,它不随时间、地点的改变而改变捞匦也可称为唯一性,即每个人的该特征都不一样刹杉也称为可收集性,即该特征可定量测量资迪中要考虑经济成本、人们接受程度等因素湍哑燮也可称为难伪造性,即不容说话人识别的实际应用体现在很多领域,其中包括:利用说话人识别,可以对战场情况进行监听,并对指挥员身份进行鉴别。这说话人识别研究的历史和现状对说话人识别的研究着手于上个世纪三十年代,这个时期主要处于用人耳来验室的克斯特,在仔细研究了语谱
3、图之后,发现了声纹,庇蛞羲浜戏挠镆粝於 ,炔问兴祷叭耸侗餹。年,阿尔塔通过对线性预测系数、自相关系数、声道的冲激响应和面积函数以及倒实际应用方面的产品主要有:公司研制的应用于诘闹腔劭基于矢量量化的说话人识别系统研究及实现说话人识别概述语音中的个性信息。换句话说,语音识别是要确定“说的什么” ,说话人识别是域的综合性学科乜。从不同的角度研究说话人识别,可以对其进行不同的分类。一般主要有以下基于矢量量化的说话人识别系统研究及实现系统测试和实验分析,验证系统的协调性和有效性。基于矢量量化的说话人识别系统研究及实现原始语音信号频谱预加重后的语音信号频谱基于矢量量化的说话人识别系统研究及实现: :常用的
4、窗函数主要有两种,它们分别是矩形窗和海明窗,对应的表达式如下:喇游海临矩形窗时域波形 矩形窗幅频特性信号丛肷危奚相隔离,是说话人识别过程中极其重要的一步。成功的端点检测,排除了噪声的干扰,对计算量的减少、处理时间的缩短和系统识别正确率的提高有着积极的作用。端点检测的基本原理是语音信号与噪声信号的特性不同,将其与设定的阈值相比较就可以加以区分,进而达到提取有用声段的目的。本节将对双门限法、谱减法和谱熵法三种端点检测的方法进行介绍。双门限法利用的两种特性及其对应的公式如下:基于矢量量化的说话人识别系统研究及实现打乙。因此,短时能量对清音段的鉴别效果;过零率诲圩咱獭鱨样点数采用同一段语音并对其加噪,
5、检测后的效果如图所示。样点数谱减法利用的特性是噪声信号与语音信号的叠加性,它能够去除噪声信号对基于矢量量化的说话人识别系统研究及实现,表示、的傅立叶变换,则存在:幅度谱为:再做傅立叶反变换,便可得到去除噪声的语音信号。因为对噪声功率谱的估计并不精确,所以此时得到的语音信号也是一个估计的值。利用谱减法,增强了纯净的语音信号,排除了在端点检测过程中噪声信号的干扰。而去除了噪声影响的语音信号幅度与无声段的信号幅度有很大的差别,对此设定一个阈值进行判断,或在此基础上利用改进的双门限法,就可以提取出有用声段。将谱熵定义为:基于矢量量化的说话人识别系统研究及实现数5住也是平均信息量的计算公式,因此在数值上
6、,谱熵等于平号,噪声段的功率谱分布地较稳定,所以其谱熵大,语音段的功率谱分布地较加噪的语音波形蓥三! 皇壹匿至王三狫,!#甶。 ! 狶!狶 :二#!# !#!。一样点数样点数图信号的模型化基于矢量量化的说话人识别系统研究及实现采用自相关法进行求解,设加窗后信号的自相关函数为七,琍生瓦伞 一毛口与,表征说话人身份的个性特征,且具有良好的内插特性和量化特性,适合众多的编兀基于矢量量化的说话人识别系统研究及实现弧贫遺。其中,O咝栽庀凳齃。将式带入式,等号两边对求导,可得尹万,骴驴”将上式进行整理,并令同幂项的系数相等,可得到如下关系趌鴆一丢一巳一,玎,琾式星蟮玫腸。即为要求得的。要依靠以下两点:二是人能有效区分两个频率分量的临界带宽:乘性成分变为加性成分,滤除了乘性噪声。来表示,具体实现时可简化为基于矢量量化的说话人识别系统研究及实现和这六种主流特征参数 进行分析。这些方法都将应