说话人语音识别

《说话人语音识别》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、《数字信号处理》课程设计题目:基于MATLAB的说话人语音识别班级：信号与信息处理研一学号：2150130425姓名：湛西羊任课教师：黄建军完成时间：2015/12/31目录一、系统设计任务及要求………………………………………………3二、语音识别的简介……………………………………………………3三、语音识别原理………………………………………………………33.1语音识别系统总体框架……………………………………………43.2语音信号预处理……………………………………………………43.3特征参数的提取………………

2、…………………………………63.4用矢量量化聚类法生成码本……………………………………73.5VQ的说话人识别………………………………………………8三、仿真实现……………………………………………………………9五、总结……………………………………………………………………9附录1………………………………………………………………………10附录2………………………………………………………………………14一．系统设计任务及要求1.用MATLAB实现50个特定人的语音识别功能；2.语音识别的正确率在百分之九十以上；二

3、．语音识别的简介说话人识别就是根据说话人的语音信号来判别说话人的身份。语音是人的自然属性之一，由于说话人发音器官的生理差异以及后天形成的行为差异，每个人的语音都带有强烈的个人色彩，这就使得通过分析语音信号来识别说话人成为可能。用语音来鉴别说话人的身份有着许多独特的优点，如语音是人的固有的特征，不会丢失或遗忘；语音信号的采集方便，系统设备成本低；利用电话网络还可实现远程客户服务等。因此，近几年来，说话人识别越来越多的受到人们的重视。与其他生物识别技术如指纹识别、手形识别等相比较，说话人识别不仅使用方便，而且

4、属于非接触性，容易被用户接受，并且在已有的各种生物特征识别技术中，是唯一可以用作远程验证的识别技术。因此，说话人识别的应用前景非常广泛：今天，说话人识别技术已经关系到多学科的研究领域，不同领域中的进步都对说话人识别的发展做出了贡献。说话人识别技术是集声学、语言学、计算机、信息处理和人工智能等诸多领域的一项综合技术，应用需求将十分广阔。说话人识别系统设计中的根本问题是如何从语音信号中提取表征人的基本特征。即语音特征矢量的提取是整个说话人识别系统的基础，对说话人识别的错误拒绝率和错误接受率有着极其重要的影响。

5、同语音识别不同，说话人识别利用的是语音信号中的说话人信息，而不考虑语音中的字词意思，它强调说话人的个性。因此，单一的语音特征矢量很难提高识别率，所以语音信号的时候如何提取信号中关键的成分尤为重要。语音信号的特征参数的好坏直接导致了辨别的准确性。系统在说话人的识别中采用基于Mel的频率倒谱系数的模板匹配的说话人识别方法。具体的实现过程当中，采用了matlab软件来帮助完成这个项目。在matlab中实现采集，分析，特征提取，配对，识别。三．语音识别原理3.1语音识别系统总体框架说话人识别系统的总体结构如图1所

6、示。首先通过语音的录制作为输入信号，输入的模拟语音信号要进行预处理，包括预滤波、采样和量化、加窗、端点检测、预加重等等。经过预处理后，接下来就是重要的一环：特征参数提取。具体要求是：（1）提取的特征参数要能有效地代表语音特征，具有很好的区分性。（2）各阶参数之间有良好的独立性。训练识别参考模块识别结果语音输入预处理特征提取测度估计模板库识别决策专家知识（3）特征参数要计算方便，最好有高效的计算方法，以保证语音识别的实时实现。图1说话人语音识别系统总体框图考虑到数据量、实时性以及识别率的问题，本文采用基于矢

7、量量化的方法识别语音。对于特征参数的选取，我们使用mfcc的方法来提取。3.2语音信号预处理3.2.1滤波在模/数转换之前，通常要进行滤波处理，滤波的作用主要有两个:一是用高通滤波器抑制50Hz电源噪声的干扰;二是用低通滤波器滤除语音信号中频率分量超过采样频率一半的部分，防止采样信号的混叠。3.2.2模数转换将原始采集得来的语音模拟信号转换为计算机能够处理的数字信号，就需要对其进行数字化，此过程成为数/模转换，最常见的方式就是脉冲编码调制(PalseCodeModulation)，它的过程分为采样、量化和

8、编码；采样是对模拟信号进行周期性的扫描，将实际上连续变化的信号转换为时间上离散的信号，从而便于表示为计算机的语言。根据Nyquist采样定理，当采样频率高于信号最高频率的一倍时，原来的连续信号就可以从采样样本中完全重建出来。人耳可以分辨的声音频率范围为(20Hz,20KHz)，因此，当采样的频率高于40KHz时，采样的过程就不会丢失信息，但考虑到设备的实际性能，且说话人语音频率主要集中在3.4KHz，故本系统以8KHz为采样率