西南林學院 2009 屆本(專)科畢業(yè)生

1、西南林學院 2009 屆本(專)科畢業(yè)生畢業(yè)論文(設計)畢業(yè)實習計劃表(本表由指導教師填寫)論文(設計)題目基于GMM的語者辨識系統(tǒng)的設計Speaker Identification using GMM類別科研 設計 調查 其它性質自選題 計劃任務 橫向任務 其它指導教師呂丹桔職稱講 師學 號學生姓名主 要 完 成 工 作論文指導工作計劃：（包括以下7個部分：1. 目的意義。2. 簡要內容。3.重點解決的問題。4.預期結果或成果。5.所需軟件平臺或設備。6.時間進度。7.要求學生的基礎。1、目的意義本課題擬采用人的語音特征進行個人身份的辨識Speaker Identification（SI）。

2、采用語音識別方式與傳統(tǒng)方式（如證件、ATM卡等）和身份標識知識（如用戶名和密碼）相比更具通用性（每個人都具有），獨特性（每個人都不一樣），恒定性（不隨時間變化而變化），可收集性（可定量測量），準確性，高可采用性（易于授受）和低欺騙性。2、主要內容本課題擬采用GMM（Gaussian Mixture Model）的方法實現(xiàn)簡單的語者辨識（Speaker Identification）系統(tǒng)。其系統(tǒng)實現(xiàn)主要由兩個部分組成，即：訓練階段（training）和識別階段（recognition）。訓練階段（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雜的非平穩(wěn)信號，它不僅包

3、含語義信息，還有個人特征信息，因此特征參數(shù)應能完全,準確在表達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，在時間表上對其特征序列多次平均，形成每個說話人的參考模板，從而完成訓練階段的任務；識別階段(recognition)將針對語音信號進行特征參數(shù)分析，計算與訓練階段得出的參考模板的距離，進行判決，從而實現(xiàn)對說話人的識別。3、重點解決的問題：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，MFCC參數(shù)具有良好的識別性能和抗噪聲能力。同時對其它參數(shù)如LPCC ,PLP也進行一定的對比研究；對于計算機性能有一定的要求；（3）運用數(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），實現(xiàn)對特征參數(shù)的抽取，建立說話人與文本無關（Text-Independent）的參考模板；對于計算機性能有一定的要求；（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)，在矢量聚類的基礎上，把每一類視為一個多維高斯分布函數(shù)。求出每一類的均值，協(xié)方差矩陣和出現(xiàn)的概率，將此作為每個人的訓練模板；Recognition:（1）待識別人語音信號的提?。哼M行8kHz采樣，每樣點8bit量化；（2）完成該信號特征參數(shù)的提取，與訓練階段類似，在此不再重復；（3）運用識別模型進行識別，判決；對于模型的選擇主要是：GMM與訓練階段類似，在此不再重復；4、預期結果：實現(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，建立訓練模板（4）計算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??；（3） 運用GMM模型進行識別，判決；（4） 統(tǒng)計識別率，進行系統(tǒng)評定。5、所需軟件平臺或設備： 軟件平臺： Matlab7.0 設備：能夠滿足開發(fā)需要的PC機。6、時間進度2008.10.1511.15 學生選題2008.11.1612-31 學生收集論文相關資料，并指導學生撰寫開題報告2009.1.12008.3.10 熟練掌握Matlab語言的使用；信號的采集；系統(tǒng)預備

7、知識的準備（數(shù)學概率論（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)實現(xiàn)2009. 4.215.15 學生整理資料，撰寫論文初稿2009 5.16答辯前 測試軟件，完善系統(tǒng)，進行論文修改與定稿7、要求學生基礎：（1） 具有一定的模式識別與數(shù)據(jù)分類知識基礎；（2） 了解信號與系統(tǒng)分析的知識；（3） 掌握Matlab的運用續(xù)表：畢業(yè)實習指導工作計劃：2008.10.1511.15 學生選題，確定論文方向2008.11.1612-31 指導學生收集課題相關資料，了解技術背景，特別是國內研究現(xiàn)狀，確定系統(tǒng)解決方案，完成開題報告2009.1.108.3.10 參照課題需求，學習相關課題技術知識，進一步明確系統(tǒng)解決和實現(xiàn)方案，并完成系統(tǒng)總體方案設計和技術方案設計，系統(tǒng)編程工作200