基于小波包与混沌理论的说话人识别

《基于小波包与混沌理论的说话人识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、？．？－ＩＶ．－＇；．Ｉ．！－Ｐ３９］论义编号１００６０１６０３中图分类巧Ｔ１２■？？■１０学科分类号５２）．２０４密级？＊身郑乂净ＴＩＡＮＪＩＮＵＮＩＶＥＲＳＩＴＹＯＦＴＥＣＨＮＯＬＯＧＹ、硕±学位论支－＂－？－■：■Ｖ＾Ｘ＇？■．．；■ｖ＼，■－：？．－Ｃ．＇：，－：■＇．■：■■？■ｉ－：．Ｊ－－Ｘ．＞■＜．ｈ＼Ｖ．：，■■Ｈ＇？｜｜｜｜ＩｌｌＩｌｌｌｌ－．＼ｖＬ■■ｓ■■Ｖ．■．■■．１

2、ｌｌＷｇ—ｆｌ—ｆ１＾—１＾＾——————１１｜１—１１｜＜＊＊｜ｌｊＷＨｌｌｌｉＩｌＩ，ｐ｜？ｉ類ｉｉｓｉｉｉａ随幽ｒ基于小波包与混淹理论的说话人识别ＳｅａｋｅｒＲｅｃｏｎｉｔｉｏｎＢａｓｅｄｏｎｐｇ一ＷａｖｅｌｅｔＰａｃｋｅｔａｎｄ化ｅＴｈｅｏｒｏｆＣｈａｏｓｙ：：ＯｌＢｆｌｆｌｌＬＺＩｌ■隆？Ｂ牛ｆ北Ｈ冊漏学与技术陪Ｅ巧Ｉ＂计龍科学与技术陈品杨漸童教授天津理工大学研究生院二〇…六年三月分类号：TP391520.204

3、0密级：天津理工大学研究生学位论文基于小波包与混沌理论的说话人识别（申请硕士学位）学科专业：计算机科学与技术研究方向：模式识别作者姓名：陈品指导教师：杨淑莹教授2016年3月ThesisSubmittedtoTianjinUniversityofTechnologyfortheMaster’sDegreeSpeakerRecognitionBasedonWaveletPacketandtheTheoryofChaosByChenPinSupervisorProf.YangShuyingMarch2016拇准Ｈ生声巧

4、本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加标注矛喊ｔ谢之处外，论文中不包含其他人己经发表或撰写过的硏究成果，也不包含为获得夭津理工大学或其他教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。；学住冷丈作者签名；从月女哥签李９础／／＾年１学化冷文敕枚使用投枚书本学位论文作者完全了解义津理工大学有关保留、使用学位论文的规定。特授权义津理工大学可Ｗ将学位论文的全部或部分内容编

5、入有关数掘库进行检秦，，并采用影印、缩印或扫描等复制手段保存、汇编Ｌ：Ｊｌ供查阅和借阅。同意学校向国家有关部口或机构送交论文的复本和电子文件。（保密的学位论文在解密后适用本授权说明）：学化冷丈作者签名导钟签名：、、為如聲％■签拿日期：於／６年Ｉ月５日签李口期：２口八年三月ｒ口摘要说话人识别作为生物特征量识别技术，在司法鉴定、信息安全、人机智能等领域具有重要意义。本文借鉴传统语音信号分段方法，以符合人耳感知规律原则，研究新型频段划分方法，并从语音信号的非线性入手，运用混沌技术研究语

6、音信号的特征提取，建立语音的混沌特性模型表征信号的空间运动状态。主要研究内容如下：提出基于Mel尺度的小波包分解技术。小波包分解的灵活性可同时满足语音信号对不同时域、频域信息的要求。将符合人耳听觉感知机制的Mel尺度融合到小波包分解中，为语音信号频段划分提供更有效的方法。与传统小波包对比可得，Mel尺度小波包划分的各子带信号时频信息更丰富，凸显了不同语音信号间个性化特征属性。针对语音信号的混沌性判定问题，采用互信息法确定最佳延迟时间，饱和关联维数法选取嵌入维数，并重构语音时间序列的相空间。采用基于Wolf的最大Ly

7、apunov指数法判定语音时间序列的性质，仿真实验表明语音信号具有混沌性。为体现语音特征的总体性，采用分形维数表征语音信号混沌运动的内在结构特点，提出语音信号的盒形维数特征辅助其他特征参数以提升说话人特征的鲁棒性。针对子带语音信号线性相关性及混沌特性，提出基于线性模型和非线性模型的特征参数提取方案。构建基于小波包的时域频域自回归模型，表征低频能量特征。采用Volterra自适应预测技术建立语音混沌时间序列的声学模型，提取Volterra滤波器权矢量参数作为说话人特征，仿真实验表明了该方案预测精度高于线性预测模型。融

8、合时域频域自回归模型和Volterra自适应模型的特征，采用HMM进行说话人识别。仿真实验表明本文提出的特征提取方法有效提高了说话人识别正确率，达到了预期效果。关键词：小波包Mel尺度混沌语音信号盒形维数频域线性预测Volterra自适应模型AbstractSpeakerrecognitionasabiologicalfeatureidentificatio