【说话人识别】基于MFCC特征和GMM实现说话人识别系统含Matlab源码

1 简介

目前，针对说话人识别而提出的新的识别技术层出不穷，如结合 GMM-UBM 结构与支持向量机（SupportVectorMachine，SVM）的技术、基于得分规整技术的 HNORM、ZNORM 和 TNORM 技术、潜伏因子分析（LatentFactorAnal⁃ysis，LFA）技术、应用于说话人识别的大词汇表连续语音识别（LargeVocabularyContinuousSpeechRecognition，LVC⁃SR）技术等。然而，如今最出色的说话人识别系统依然是基于 GMM 模型，尤其是基于 UBM-MAP 结构的系统。本文基于 TIMIT 语料库分析研究说话人语音信号预处理，以及说话人语音特征提取原理与方法，并利用 MATLAB进行美尔频率倒谱系数（MelFrequencyCepstrumCoeffi⁃cient，MFCC）提取。在此基础上详细研究了 GMM 模型基本原理，以及 EM 算法和 K-均值聚类算法，最后使用MATLAB 实现了基于 GMM 模型的说话人识别系统，完成了GMM 模型参数训练与识别过程。为分析该系统性能，本文通过实验分析了不同 GMM 模型阶数与不同训练语音样本时长对系统识别性能的影响。