1 簡介

伴隨著計算機技術(shù)和信息化技術(shù)的蓬勃發(fā)展，人機交互技術(shù)扮演著越來越重要的角

色，人類希望計算機和人之間的交互能夠突破鼠標(biāo)和鍵盤等外圍設(shè)備的局限，希望以一個智能化的方式使得計算機和人之間能夠暢通無阻地交流，于是，語音，作為人的自然屬性，是一個上上之選。眾所周知，語音，是人與人之間進(jìn)行信息交互的一種最直接的手段，通過語音，使計算機和人能夠直接交流，必然離不開語音識別技術(shù)。廣義的語音識別是指計算機能夠?qū)θ说恼Z音指令進(jìn)行正確的響應(yīng)的一種技術(shù)，它包括有語音識別技術(shù)（識別語音的內(nèi)容）、說話人識別（也稱為聲紋識別，用來鑒定說話人身份的一種技術(shù)）、語種識別（能夠?qū)ΥR別的語音的種類進(jìn)行識別）以及說話評分（對語音的標(biāo)準(zhǔn)程度打分）。

在數(shù)字信息化時代，互聯(lián)網(wǎng)技術(shù)的發(fā)展使得對身份驗證技術(shù)有更高的要求，不僅需

要安全性好，而且需要便捷和經(jīng)濟，同時由于傳統(tǒng)的基于密碼的身份驗證方法具有很多不安全性，因此，基于信息技術(shù)和生物學(xué)的新一代身份驗證方式。目前使用廣泛的基于人的生理特征的生物認(rèn)證方法有指紋識別、虹膜識別、人臉識別和說話人識別等，這些生物認(rèn)證方法在身份鑒定時，安全性和識別準(zhǔn)確性更高。說話人識別是一種生物認(rèn)證技術(shù)，它從采集到的語音信號中提取出能夠反映說話人生理和行為特征的特征參數(shù)，從而對說話人身份進(jìn)行自動鑒別。在互聯(lián)網(wǎng)技術(shù)和信息技術(shù)的快速發(fā)展趨勢的推動下，說話人識別技術(shù)成為當(dāng)今語音信號處理領(lǐng)域中的研究熱點，它在各個領(lǐng)域中以其獨特的方便性、經(jīng)濟性和準(zhǔn)確性，將會受到世人矚目。

因為每位說話人的發(fā)音器官都有一定的生理差異，在后天的生活中，都具有一定的

發(fā)音習(xí)慣和行為差異，因此使用語音來進(jìn)行說話人身份驗證，有著獨特的優(yōu)點，不僅由于語音是人的自然屬性，具有非接觸性和方便性，這種身份認(rèn)證方式更容易讓用戶接受，而且采集人的語音的設(shè)備成本不高，同時采集方便，更重要的是，可以遠(yuǎn)程進(jìn)行身份驗證，通過移動電話、電信網(wǎng)絡(luò)或者其他設(shè)備，可以實現(xiàn)遠(yuǎn)程的客戶服務(wù)，相比其他的生物驗證，說話人識別技術(shù)有著廣闊的應(yīng)用前景。說話人識別技術(shù)是一種綜合性的課題，從中涉及到模式識別、統(tǒng)計學(xué)理論、人工智能、生理學(xué)以及語音信號處理等知識領(lǐng)域。

在對語音信號進(jìn)行分析處理之前，需要對語音信號進(jìn)行預(yù)處理，預(yù)處理步驟包括對

語音信號進(jìn)行預(yù)加重、分幀、加窗和端點檢測等。

（1） 預(yù)加重

因為發(fā)聲過程中聲帶和嘴唇的效應(yīng)，語音信號在 8000Hz 以上的高頻時約按 6dB/oct衰減，為此需要在預(yù)處理中進(jìn)行預(yù)加重。預(yù)加重的目的是提升高頻部分，使信號的頻譜變得平坦，有利于進(jìn)行頻譜分析或聲道參數(shù)的分析。預(yù)加重可以在防混疊濾波與 A/D 轉(zhuǎn)換之前進(jìn)行，這樣，不僅能夠進(jìn)行預(yù)加重，而且可以壓縮信號的動態(tài)范圍，有效地提高信噪比，預(yù)加重也可以在 A/D 轉(zhuǎn)換之后進(jìn)行，用具有 6dB/oct 地提升高頻特征預(yù)加重數(shù)字濾波器實現(xiàn)。其公式為

（2） 分幀和加窗

語音信號是一種非平穩(wěn)的時域信號，但是具有短時平穩(wěn)性，即語音信號在短時間內(nèi)

可以看做是平穩(wěn)信號，研究發(fā)現(xiàn)，在?5~50ms?的范圍內(nèi)，語音頻譜特征和一些物理特性參數(shù)基本保持不變，因此需要對語音信號進(jìn)行分幀，即將語音信號劃分為很多短時間的語音段，每個短時間的語音段稱為一個分析幀，在一幀的語音信號中，可以采用平穩(wěn)過程的分析處理方法來處理每一幀的信號。幀既可以是連續(xù)的，也可以是交疊分幀，一般幀長為?10~30ms，取數(shù)據(jù)時，前后兩幀的交疊部分稱為幀移，幀移一般取幀長的?0~1/2。

信號進(jìn)行分幀處理截短后，將會產(chǎn)生能量泄漏現(xiàn)象，分幀后的加窗處理，就是用一

個窗函數(shù)與信號相乘，從而形成加窗信號，其作用是減少分幀處理所帶來的頻譜泄露，對提取的語音信號進(jìn)行研究。在分幀的時候，相當(dāng)于用一個矩形窗與語音信號進(jìn)行頻譜的周期卷積，由于矩形窗頻譜的旁瓣較高，信號的頻譜會產(chǎn)生“拖尾”，即頻譜泄漏，泄漏與窗函數(shù)頻譜的兩側(cè)旁瓣有關(guān)，如果兩瓣的高度趨于零，而使得能量相對集中在主瓣，就可以接近真實的頻譜。因此可以采用不同的窗函數(shù)進(jìn)行加窗處理，可以減低頻譜泄露的影響，得到平滑的頻譜。設(shè)窗長為 N，窗函數(shù)主要有下面幾種：

z矩形窗

語音端點檢測是通過數(shù)字化處理方法去檢測語音的端點，把語音中的干擾和噪聲去

除，區(qū)分噪聲段和語音段，把需要的語音部分提取出來的一種語音處理方法。端點檢測是語音分析、合成和識別中不可缺少的一部分。端點檢測的準(zhǔn)確性直接影響到識別系統(tǒng)的性能，較高的端點檢測能夠在識別中防止噪聲的影響，提高識別精度，同時可以在語音分析中能夠減少計算量和處理時間，優(yōu)化系統(tǒng)性能，在應(yīng)用環(huán)境下，難以得到純凈的語音段，由于錄音環(huán)境、音頻收集設(shè)備和其他的傳輸系統(tǒng)，都會帶來一定的噪聲影響，因此如何在噪聲的影響下，如何得到準(zhǔn)確的檢測語音的端點，是語音信號處理的一個重要的研究方向。

目前，在時域上，常用的端點檢測方法有基于短時能量法、基于過零率法、基于短

時能量和過零率的雙門限端點檢測方法。在頻域上，常用的端點檢測方法有基于子帶譜熵和基于頻帶方差的端點檢測算法等。這些方法在背景噪聲的影響下，不是識別準(zhǔn)確性不高，就是計算量大，影響系統(tǒng)的整體性能。

在實際應(yīng)用中，有效的端點檢測具體要求是：（1）設(shè)置的門限值要根據(jù)背景噪聲的變化做自適應(yīng)調(diào)整，滿足在不同的環(huán)境下進(jìn)行端點檢測；

（2）不能丟失語音的一些能量較低的有效成分，比如爆破音和鼻音等，否則會影響最后的識別效果；

（3）能夠在各種噪聲環(huán)境下都具有準(zhǔn)確的檢測效果；

（4）計算量小，應(yīng)用方便。在說話人識別中，端點檢測的主要是為了得到說話人語音的起始端點。有效的端點檢測方法，不僅能減少整個系統(tǒng)的計算量，而且有利于系統(tǒng)的實時識別，提高系統(tǒng)的整體性能。?

2 部分代碼

function d = disteu(x, y) [M, N] = size(x); ?%1音頻x賦值給【M，N】[M2, P] = size(y); %音頻y賦值給【M2，P】 if (M ~= M2) ? ?error('不匹配！') ?%兩個音頻時間長度不相等 endd = zeros(N, P);if (N < P)%在兩個音頻時間長度相等的前提下 ? ? ? ?copies = zeros(1,P); ? ? ?for n = 1:N ? ? ? ? ? ? ? ?d(n,:) = sum((x(:, n+copies) - y) .^2, 1); ? ? ? ?endelse ? ?copies = zeros(1,N); ? ? ?for p = 1:P ? ? ? ?d(:,p) = sum((x - y(:, p+copies)) .^2, 1)'; ? ? ?end%%成對歐氏距離的兩個矩陣的列之間的距離 endd = d.^0.5;

3 仿真結(jié)果

4 參考文獻(xiàn)

[1]王偉, 鄧輝文. 基于MFCC參數(shù)和VQ的說話人識別系統(tǒng)[C]// 第四屆全國信息獲取與處理學(xué)術(shù)會議. 0.

博主簡介：擅長智能優(yōu)化算法、神經(jīng)網(wǎng)絡(luò)預(yù)測、信號處理、元胞自動機、圖像處理、路徑規(guī)劃、無人機等多種領(lǐng)域的Matlab仿真，相關(guān)matlab代碼問題可私信交流。

部分理論引用網(wǎng)絡(luò)文獻(xiàn)，若有侵權(quán)聯(lián)系博主刪除。