论文部分内容阅读
说话人识别是语音处理技术的一个重要内容,它广泛应用于人机接口、保安、军事、司法等方面。本文研究的是与文本无关的说话人识别方法及系统实现。 在算法方面,高斯混合模型(GMM)是目前最成功的一种说话人识别模型。比较流行的是用LBG算法初始化核函数位置,之后用期望最大化(EM)算法训练GMM模型,该方法存在必须事先确定高斯概率密度函数数量和易陷入局部最优解的缺点,针对这一问题本文采用一种可以实现数据聚类的人工免疫机制算法,可以根据输入数据集合自适应地初始化GMM的中心数量和初始位置。将此算法与EM算法结合运用于基于GMM的话者识别试验中,取得了比较好的识别效果。而且,新方法下的GMM模型拥有更小的平均尺寸。 在系统实现方面,本文则尝试将算法移植入DSP系统。利用基于TMS320C6713芯片的DSK6713开发板和集成开发环境CCS2.2,搭建了一个说话人辨认系统,经调试,程序移植获得成功,可以进行说话人确认试验,从而验证了系统的可行性。