说话人识别技术研究与改进.pdf

分类号
U D C 编号
桂 林 电 子 科 技 大 学
硕 士 学 位 论 文
题目: 说话人识别技术研究与改进
(英文) Research and Improvement of Speaker Recog-
nition Technology
研 究 生 姓 名：
指导教师姓名、职务：
申 请 学 科 门 类： 工学硕士
学 科 、 专 业： 信号与信息处理
提 交 论 文 日 期： 2008年4月
论 文 答 辩 时 间： 2008年6月
年 月 日
独创性（或创新性）声明
本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成
果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其
他人已经发表或撰写过的研究成果；也不包含为获得桂林电子科技大学或其它教育机
构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已
在论文中做了明确的说明并表示了谢意。
申请学位论文与资料若有不实之处，本人承担一切相关责任。
本人签名： 日期：
关于论文使用授权的说明
本人完全了解桂林电子科技大学有关保留和使用学位论文的规定，即：研究生在
校攻读学位期间论文工作的知识产权单位属桂林电子科技大学。本人保证毕业离校后，
发表论文或使用论文工作成果时署名单位仍然为桂林电子科技大学。学校有权保留送
交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以
允许采用影印、缩印或其它复制手段保存论文。（保密的论文在解密后遵守此规定）
本人签名： 日期：
导师签名： 日期：
摘 要
摘 要
说话人识别技术是当今的一个研究热点，在保安、公安司法、军事、财经和信息服
务等领域有广泛的应用前景。在纯净的语音下，识别的效果比较好，但是在有噪声的
情况下，识别率比较低。针对这种情况，笔者展开了一系列的研究，主要的工作如下：
、技术难点及需要改进的方向，并研究了与
之相关的语音信号处理的内容。
：矢量量化（VQ）和高斯混合模型（GMM），针对
两种方法建立了与文本无关的说话人识别系统，并用MATLAB仿真实现。
，研究了用主分量分析（PCA）、基于Fisher准
则线性判别分析(FLDA)、PCA+FLDA方法对MFCC提取后的特征进行变换的方法。
另外还研究了用小波变换方法对说话人特征进行改进，研究表明改进的方法能够取得
较好的效果。
。详细分析了延迟求和波束形成、自适应波束形
成和基于子空间的阵列语音增强方法，并且研究了用小波变换的方法进行语音增强，
并将小波变换方法后置于自适应波束形成方法，最后对各种方法进行了仿真实验。
+FLDA的特征提取方法用于低信噪比下的说话人
识别中，大大提高了噪声环境下的说话人识别率。
关键词：说话人识别; 语音增强; 麦克风阵列; PCA; FLDA; 子空间; 小波变换.
– I –
桂林电子科技大学学位论文
Abstract
Speaker recognition technology is a hot topic which has a wide range of applications
in such areas such as security, public security and judicial, milita