论文部分内容阅读
作为语音识别的一种，说话人识别技术因为其独有的优势在生物特征认证领域一直备受瞩目，并得到了广泛的应用。目前识别系统中最为常用的MFCC特征参数，在无噪声环境下，虽然有很好的识别效果，但是仍存在两大问题：（1）需要提取以及传输的参数量较大；（2）在有噪环境下识别效果不佳。本文利用新兴的压缩感知技术，改进传统的MFCC参数，从而提出了一种新的说话人识别参数——CS-MFCC参数，使得提取以及传输的参数量降低到传统MFCC参数的1n(n为观测矩阵的压缩比)。在此基础上，本文还完成了以下工作：（1）提出了基于行阶梯矩阵的新参数，并证明当行阶梯矩阵的压缩比为4时识别效果最好。在无噪声环境下，该参数的Fish比高于MFCC参数，系统识别率显著提高，同时基于行阶梯矩阵的新参数对于脉冲噪声和高斯噪声有明显的去噪效果，系统抗噪鲁棒性提高。（2）提出了基于加权循环矩阵的新参数，该参数对循环矩阵的系数加权，从而利用基于能量的非均匀采样法实现了对高频噪声的抑制。通过matlab仿真也证明了系统鲁棒性的显著提高。