基于波形分析的自动声纹识别技术研究

发布时间：2020-04-08 01:54

【摘要】：随着信息技术的发展,我们进入了物联网时代,越来越多的物联网设备进入了我们的生活,.智能家居是物联网技术的一个重要应用。语音是智能家居等场景下高效、便捷的交互方式,语音中不仅包含了语义信息而且蕴含了丰富的声纹特征。过去的声纹识别只提取声纹特征而不识别语义内容,语音识别只对语义进行分析,没有对语音信号中包含的丰富信息进行充分的挖掘。本文回顾了前人在声纹识别技术方面的工作,从语音信号采集、预处理、特征参数提取到匹配与识别,提出了一种基于波形分析的自动声纹识别方法,利用小波变换的时频特性,将一维的语音信号变换成二维的语音图像,将人脸识别的方法迁移至声纹识别,利用图像处理的方法处理语音图像,从时域和频域同时对语音信号进行分析,提取声纹和语义信息,实现语义和声纹双重识别。本文提出的小波降噪方法在人脸图像上可在去噪的同时保留信号细节,同时本文将语音信号降噪与声纹特征提取的过程结合起来,通过一次小波变换,完成降噪和提取特征参数两个步骤的工作,减少系统资源的开销,实现更高效的声纹识别过程,利用本文提出的特征提取方法,配合深度神经网络,进行声纹识别、语音识别以及声纹、语义双重识别均可达到95%以上的识别率。
【图文】：

图２－２梅尔频率与实际频率的转换关系逡逑系数在提取过程与倒谱系数相似，首先将己分帧的语音信号进行离散傅逡逑

图２－３梅尔滤波器组图逡逑对经过Ｍｅｌ滤波器组滤波的能量谱做对数运算，，得到对数谱逡逑
【学位授予单位】：广州大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN912.34

【参考文献】

相关期刊论文 前7条

1 孟慧;梅铁民;朱向荣;;一种小波包变换的声纹参数提取方法研究[J];沈阳理工大学学报;2015年06期

2 李超;;声音识别传感器设计与应用[J];传感器与微系统;2014年12期

3 刘化君;;物联网关键技术研究[J];计算机时代;2010年07期

4 朱宇;;21世纪最具发展前景的生物认证技术[J];科技导报;2010年05期

5 吕卫强;黄荔;;基于短时能量加过零率的实时语音端点检测方法[J];兵工自动化;2009年09期

6 刘雅琴,周炜;基于小波变换的说话人语音特征参数提取[J];河南科技大学学报(自然科学版);2005年04期

7 侯风雷,王炳锡;基于支持向量机的说话人辨认研究[J];通信学报;2002年06期

相关硕士学位论文 前9条

1 李湾湾;说话人声纹识别的算法研究[D];浙江大学;2017年

2 曹海涛;基于时频域分析的音频信号滤波与识别技术研究[D];广州大学;2016年

3 裴鑫;声纹识别系统关键技术研究[D];哈尔滨理工大学;2014年

4 唐夫乾;声纹识别系统与模式识别算法研究[D];浙江理工大学;2012年

5 彭秀娟;基于小波变换的语音增强算法研究[D];湖南大学;2011年

6 彭诗雅;基于声纹识别的身份认证技术研究[D];南京航空航天大学;2010年

7 郭华;基于神经网络的声纹识别系统设计与实现[D];上海交通大学;2008年

8 郭慧娟;声纹识别系统研究[D];西华大学;2006年

9 魏凯;声纹识别中关键技术的研究[D];华中科技大学;2006年

本文编号：2618716