摘要: 声纹识别技术是生物识别技术的一种，根据语音波形中反映说话人生理和行为特征的语音参数，自动识别说话人身份的技术。声纹识别的原理是通过预先录入说话人的声音样本，提取说话人独一无二的语音特征并保存在数据库中，应用时将待验证的声音与数据库... 展开 声纹识别技术是生物识别技术的一种，根据语音波形中反映说话人生理和行为特征的语音参数，自动识别说话人身份的技术。声纹识别的原理是通过预先录入说话人的声音样本，提取说话人独一无二的语音特征并保存在数据库中，应用时将待验证的声音与数据库中的特征进行匹配，从而决定说话人的身份。 声纹识别最关键的技术是特征提取和模式匹配，其中特征提取的任务是提取并选择对说话人的声纹具有可分性强、稳定性高等特性的声学或语言特征。通过分析表征声纹特征的各种参数，发现基于声道的全极点模型的线性预测系数，以及利用音调特性来进行特征提取的Mel倒谱系数最能体现说话人的特征。同时对特征提取过程中加窗处理时采用的各种窗函数进行了性能分析，考虑到加窗截断信号时候产生的能量泄漏的程度，选择了海明窗作为加窗处理函数。 模式匹配的任务是对训练和识别时的特征模式进行相似性的匹配。经典的KMP模式匹配算法，虽然充分利用了以前匹配不成功的信息而大大提高了匹配的效率，但存在着主串与模式串中多个相同字符重复比较的缺陷。针对这种不足，设计了一种新的算法，该算法不是像KMP算法那样向左滑动模式串的指针，而是每次比较不等时，根据模式串当前字符的特征值k，使主串的指针向前跳跃k个值，且使模式串的指针置于起始，开始新一轮的匹配，从而减少了比较次数，加快了主串的匹配速度。试验证明，该算法能提高匹配效率。 收起