Matlab 基于 VQ 的语者识别系统(含所有代码)

Matlab 基于 VQ 的语者识别系统 ( 含所有代码 )

Summary

Abstract: 语者识别即为判断说话的人是不是他的使用者。本组用基于 VQ 的语者识别系统系统模型，通过提取 Mel 倒谱系数，制作模板码本与测试者相应参数进行对比，根据阈值判断，差别最小的则认为匹配原训练模板，即测试者与训练者为同一人，否则认为不是同一人。通过此过程实现语者识别功能。在功能上分为两大部分，语者判定以及实施辨别。

Contents        1.Introduction 3

1. 1. 语者识别的概念 3
   2. 特征参数的提取 4
   3. 用矢量量化聚类法生成码本 4
   4. VQ 的说话人识别 5
2. The Program 6

1. 1. 函数关系 6
   2. 代码说明 6
      1. 函数 mfcc 6
      2. 函数 disteu 6
      3. 函数 vqlbg 7
      4. 函数 test 8
      5. 函数 testDB 8
      6. 函数 train 9
      7. 函数 melfb 9
2. Results & Discussion 10
3. Further Work 12

1. Introduction

关于语者识别：在生物辨识技术中，语者辨识是利用人类最自然的口语表达作为辨识身分的依据。语者辨识一般分为语者识别及语者确认，前者是要辨识说话者是谁，后者则是判断说话的人是不是他所宣称的使用者，本项目的研究主题是后者。语者确认常被视为一个假说测定问题，利用似然比例测试方法来解：空假说表示说话者为真正的使用者，替代假说表示其为冒充者。我们可以收集特定使用者的语音数据来训练空假说模型，但替代假说牵涉未知的冒充者，较难模型化。针对此点，传统的作法是收集很多人的语音，训练一个通用背景模型，或是几位与目标使用者声音相似的人的语音，训练数个背景模型，再利用取极大值、取极小值、算数平均或几何平均等方法来结合个别的模型分数。

基于 VQ 的语者识别系统系统模型

基于 VQ 的说话人识别系统，矢量量化起着双重作用。在训练阶段，把每一个说话者所提取的特征参数进行分类，产生不同码字所组成的码本。在识别(匹配)阶段，我们用 VQ 方法计算平均失真测度(本系统在计算距离 d 时，采用欧氏距离测度)，从而判断说话人是谁。

语音识别系统结构框图如图 1 所示。

图 1 语音识别系统结构框图

1. 1. 语者识别的概念

语者识别就是根据说话人的语音信号来判别说话人的身份。语音是人的自然属性之一，由于说话人发音器官的生理差异以及后天形成的行为差异，每个人的语音都带有强烈的个人色彩，这就使得通过分析语音信号来识别说话人成为可 能。用语音来鉴别说话人的身份有着许多独特的优点，如语音是人的固有的特征， 不会丢失或遗忘；语音信号的采集方便，系统设备成本低；利用电话网络还可实现远程客户服