西南林學(xué)院 2009 屆本(專)科畢業(yè)生

1、西南林學(xué)院 2009 屆本(專)科畢業(yè)生畢業(yè)論文(設(shè)計(jì))畢業(yè)實(shí)習(xí)計(jì)劃表(本表由指導(dǎo)教師填寫)論文(設(shè)計(jì))題目基于GMM的語者辨識系統(tǒng)的設(shè)計(jì)Speaker Identification using GMM類別科研 設(shè)計(jì) 調(diào)查 其它性質(zhì)自選題 計(jì)劃任務(wù) 橫向任務(wù) 其它指導(dǎo)教師呂丹桔職稱講 師學(xué) 號學(xué)生姓名主 要 完 成 工 作論文指導(dǎo)工作計(jì)劃：（包括以下7個(gè)部分：1. 目的意義。2. 簡要內(nèi)容。3.重點(diǎn)解決的問題。4.預(yù)期結(jié)果或成果。5.所需軟件平臺或設(shè)備。6.時(shí)間進(jìn)度。7.要求學(xué)生的基礎(chǔ)。1、目的意義本課題擬采用人的語音特征進(jìn)行個(gè)人身份的辨識Speaker Identification（SI）。

2、采用語音識別方式與傳統(tǒng)方式（如證件、ATM卡等）和身份標(biāo)識知識（如用戶名和密碼）相比更具通用性（每個(gè)人都具有），獨(dú)特性（每個(gè)人都不一樣），恒定性（不隨時(shí)間變化而變化），可收集性（可定量測量），準(zhǔn)確性，高可采用性（易于授受）和低欺騙性。2、主要內(nèi)容本課題擬采用GMM（Gaussian Mixture Model）的方法實(shí)現(xiàn)簡單的語者辨識（Speaker Identification）系統(tǒng)。其系統(tǒng)實(shí)現(xiàn)主要由兩個(gè)部分組成，即：訓(xùn)練階段（training）和識別階段（recognition）。訓(xùn)練階段（training）主要完成語音段的選取，以提取特征參數(shù)，由于語音信號是十分復(fù)雜的非平穩(wěn)信號，它不僅包

3、含語義信息，還有個(gè)人特征信息，因此特征參數(shù)應(yīng)能完全,準(zhǔn)確在表達(dá)語音信號所攜帶的全部信息。再完成特征參數(shù)選擇后將利用GMM技術(shù)，在時(shí)間表上對其特征序列多次平均，形成每個(gè)說話人的參考模板，從而完成訓(xùn)練階段的任務(wù)；識別階段(recognition)將針對語音信號進(jìn)行特征參數(shù)分析，計(jì)算與訓(xùn)練階段得出的參考模板的距離，進(jìn)行判決，從而實(shí)現(xiàn)對說話人的識別。3、重點(diǎn)解決的問題：Training:（1）完成對語音信號的采集，收集工作，建立語音庫：選取一定數(shù)量的樣本信號。 （2）主要完成特征參數(shù)的提取，主要選取目前世界上最常采用的參數(shù)：Mel Frequency Cepstrum Coefficient, MFC

4、C , 該參數(shù)考慮了人耳的聽覺特性，將頻譜轉(zhuǎn)化為基于Mel頻率的非線性頻譜。由于充分考慮了人的聽覺特性，而且沒有任何的前提假設(shè)，MFCC參數(shù)具有良好的識別性能和抗噪聲能力。同時(shí)對其它參數(shù)如LPCC ,PLP也進(jìn)行一定的對比研究；對于計(jì)算機(jī)性能有一定的要求；（3）運(yùn)用數(shù)據(jù)聚類方法，完成對特征參數(shù)的變換，以求最佳參考模板。由于語音信號的復(fù)雜性在特定語音識別系統(tǒng)中要求把語音信號的某些特征突現(xiàn)出來，進(jìn)行分類。該SI系統(tǒng)主要采用線性判別分析（LDA）與主分量分析方法（PCA），實(shí)現(xiàn)對特征參數(shù)的抽取，建立說話人與文本無關(guān)（Text-Independent）的參考模板；對于計(jì)算機(jī)性能有一定的要求；（4）識別

5、模型的選擇高斯混合模型（GMM）：多維概率密度函數(shù)，在矢量聚類的基礎(chǔ)上，把每一類視為一個(gè)多維高斯分布函數(shù)。求出每一類的均值，協(xié)方差矩陣和出現(xiàn)的概率，將此作為每個(gè)人的訓(xùn)練模板；Recognition:（1）待識別人語音信號的提?。哼M(jìn)行8kHz采樣，每樣點(diǎn)8bit量化；（2）完成該信號特征參數(shù)的提取，與訓(xùn)練階段類似，在此不再重復(fù)；（3）運(yùn)用識別模型進(jìn)行識別，判決；對于模型的選擇主要是：GMM與訓(xùn)練階段類似，在此不再重復(fù)；4、預(yù)期結(jié)果：實(shí)現(xiàn)基于GMM的語者辨識系統(tǒng)（Speaker Identification System using GMM）Training:（1）完成語音信號的采集，建立語音庫（

6、2）完成特征參數(shù)MFCC的提?。?）采用Data Cluster 完成對MFCC的變換，建立訓(xùn)練模板（4）計(jì)算GMM識別模型Recognition:（1） 待識別人語音信號的采樣；（2） 完成該信號特征參數(shù)MFCC的提?。唬?） 運(yùn)用GMM模型進(jìn)行識別，判決；（4） 統(tǒng)計(jì)識別率，進(jìn)行系統(tǒng)評定。5、所需軟件平臺或設(shè)備： 軟件平臺： Matlab7.0 設(shè)備：能夠滿足開發(fā)需要的PC機(jī)。6、時(shí)間進(jìn)度2008.10.1511.15 學(xué)生選題2008.11.1612-31 學(xué)生收集論文相關(guān)資料，并指導(dǎo)學(xué)生撰寫開題報(bào)告2009.1.12008.3.10 熟練掌握Matlab語言的使用；信號的采集；系統(tǒng)預(yù)備

7、知識的準(zhǔn)備（數(shù)學(xué)概率論（Bayes），線性代數(shù)(矩陣變化)，數(shù)字信號處理（付里葉變化），數(shù)據(jù)分類Data Cluster）2009.3.11 4.20 中期評估，系統(tǒng)實(shí)現(xiàn)2009. 4.215.15 學(xué)生整理資料，撰寫論文初稿2009 5.16答辯前 測試軟件，完善系統(tǒng)，進(jìn)行論文修改與定稿7、要求學(xué)生基礎(chǔ)：（1） 具有一定的模式識別與數(shù)據(jù)分類知識基礎(chǔ)；（2） 了解信號與系統(tǒng)分析的知識；（3） 掌握Matlab的運(yùn)用續(xù)表：畢業(yè)實(shí)習(xí)指導(dǎo)工作計(jì)劃：2008.10.1511.15 學(xué)生選題，確定論文方向2008.11.1612-31 指導(dǎo)學(xué)生收集課題相關(guān)資料，了解技術(shù)背景，特別是國內(nèi)研究現(xiàn)狀，確定系統(tǒng)解決方案，完成開題報(bào)告2009.1.108.3.10 參照課題需求，學(xué)習(xí)相關(guān)課題技術(shù)知識，進(jìn)一步明確系統(tǒng)解決和實(shí)現(xiàn)方案，并完成系統(tǒng)總體方案設(shè)計(jì)和技術(shù)方案設(shè)計(jì)，系統(tǒng)編程工作200