基于SVM的含噪耳语音说话人识别研究-计算机应用技术专业论文.docxVIP

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。（必威体育官网网址的论文在解密后 遵守此规定） 本学位论文属于必威体育官网网址在 年解密后适用本授权书。 本人签名： 日期： 导师签名： 日期： 摘要 耳语音作为一种特殊的语音，是日常语音交流必不可少的一部分。随着说话人识 别技术的日益成熟以及人们对耳语音关注程度的增加，耳语音说话人识别技术在信息 服务、司法鉴定等方面正发挥着越来越重要的作用。 耳语音的发音方式异于正常音。它具有以下特征：没有基频；共振峰向高频部分 偏移；信噪比较低，易受噪音等污染。因此在耳语音说话人识别系统中，对其进行增 强处理以及提取能准确反映其声学特性的特征参数是研究的关键。本论文主要针对这 两点进行探讨。 在语音增强方面，由于本文使用的耳语音库是在普通实验室环境下建立的，存在 诸多干扰因素，所以在预处理阶段必须进行增强处理。考虑到常用的耳语音增强算法 ——基于神经网络的语音增强算法以及自适应滤波算法的不足之处，本文选择基于子 带功率谱熵的改进谱减法进行增强处理。 在特征提取方面，针对耳语音共振峰的偏移以及人耳对耳语音共振峰敏感区域的 改变，本文介绍了几种修正的 MFCC 参数，并将其应用于耳语音说话人识别实验中。 本文具体工作如下： (1) 建立了一个包含 31 个说话人的小型耳语音库。 (2) 分析了不同环境和不同信噪比下含噪耳语音的子带功率谱熵图，证明子带功 率谱熵可以较为准确的反映含噪耳语音信号。并采用基于子带功率谱熵的改进谱减法 对含噪耳语音进行增强处理，经实验证明此方法增强效果良好。 (3) 与正常语音相比，人耳对耳语音共振峰敏感区域发生了改变，因此需要修正 传统的 MFCC 参数。文中介绍了几种通过修改 Mel 滤波器组得到的修正 MFCC 特征 参数——MFCCM、MFCCExp-Log 和耳语音敏感尺度系数（WSSC），并详细介绍了相对 谱——感知线性预测（RASTA-PLP）参数。 (4) 提取上述特征参数进行基于 SVM 的耳语音说话人识别实验，实验结果证明， 24 阶 WSSC 参数与 RASTA-PLP 参数的组合可以使识别效果达到最佳。 关键词：耳语音说话人识别；含噪耳语音；子带功率谱熵；特征参数；SVM Abstract As a kind of special voice, whispered speech is of great essential in daily communication. With the development of speaker recognition technology and the increment of attention focused on the whispered speech, the whispered speaker recognition technology has been taking more and more important part in information service, judicial identification and so on. The pronunciation of whispered speech is different from the normal speech. The whispered speech has none fundamental frequency and its formant offsets to high frequency as well as its signal to noise ratio (SNR) is low and could be polluted easily. Therefore, there are two important points in speaker recognition technol