论文总字数：27422字

摘 要

在当今这个社会，伴随着科技不断地创新，算法的不断完善，给予电子芯片不断地更新换代，人工智能化系统开始慢慢融入人们的生活。同时人们也开始接受并顺应时代的发展，对于人工智能有着更高的追求。科技的创新，新算法的提出，其根本是人们对于科技的更深的理解，对于技术的更优的改良，从根本上强化了人们更深层次对于科技的理解，让工作运作起来更为便捷，让智能走进生活，让智能引领我们跨入新的科技时代。其中声纹识别技术在于未来的智能领域也同样发挥着极其关键的作用。我们可以使用计算机来处理声纹采集系统收集的信息，并借助MATLAB软件中的程序来比对说话人的声纹信息并且做出正确的身份确认，实现机器与人之间的信息交流。

本文利用K近临算法分析声纹识别。

关键词：特征参数提取；K近邻算法；声纹识别

Abstract

In today"s society, with the constant innovation of science and technology and the continuous improvement of algorithms, electronic chips are constantly updated. At the same time, people also began to accept and adapt to the development of the times, however,they have a higher pursuit of artificial intelligence. The innovation of science and technology and the introduction of new algorithms are fundamental to people’s deeper understanding of science and technology. For better technological improvements,they fundamentally reinforce people’s deeper understanding of science and technology and make the work more convenient. Smartness comes into life, letting intelligence lead us into a new era of technology. Among them, the voiceprint recognition technology also plays an extremely key role in the future intelligence field.We can use voiceprint acquisition systems of the computers to process the information which we collected to check the voiceprint of the speaker and make the correct identification ,realizing the information transfer between the machine and people.

In this paper, we using K-Nearest Neighbor to analyze the voiceprint recognition.

Key words:Feature parameter extraction ；KNN algorithm ；Voiceprint recognition

摘要 1

第一章 绪论 1

1.1声纹识别的研究背景 1

1.2声纹识别的基本原理 1

1.3声纹识别的意义 2

1.4本文的主要工作 3

第二章 K近邻的特征参数与声纹识别 4

2.1 情感特征的定义和区分 4

2.2 情感语音库的分类及选择 4

2.3 语音信号分析 5

2.3.1语音信号的预处理 5

2.3.2语音信号的预加重处理 5

2.3.3语音信号的端点检测 5

2.3.4语音信号的加窗处理 7

2.3.5预处理的相关公式与处理后的结果分析 8

2.4 语音信号的声纹特征提取 9

2.4.1短时能量特征及其衍生参数 9

2.4.2基音频率及其衍生参数 10

2.4.3共振峰及其衍生参数 11

2.4.4短时平均幅度 12

2.4.5短时平均过零率 12

2.4.6线性预测倒谱系数 13

2.4.7梅尔倒谱系数（MFCC） 15

第三章 K近邻分类算法 16

3.1 KNN算法原理简介 16

3.2 KNN算法优势 16

3.3 传统的KNN算法可改良部分 17

3.4 基于KNN算法的声纹识别过程 17

致谢 22

参考文献 23

附录 25

绪论

1.1声纹识别的研究背景

伴随着近年来电子信息技术不断发展，声纹识别技术也逐渐走进人们的生活。一种通过对语音信号的特征分析来达到对未知声音辨别的目的，其以独特的方便性、经济性和准确性等优势受到世人瞩目，它在现代许多领域内有良好的应用前景。

在早期用于军事方面，而现今多用于刑侦，金融，通过声纹识别确定说话人身份，也用于生活中机器智能语音识别。随着技术的深入性，为了加强信息准确性，现在技术使用计算机进行分析处理，为研究的进展提供了更多的方便性。

可以说进行声纹识别的深入研究，对于未来语音识别领域有着非常可观的价值意义，但是在于现今的语音处理领域中，声纹识别技术仍不算特别成熟，尤其是在一些识别环境或者条件不是特别好的区域，比如在嘈杂的环境，在多人同时进行对话的环境中，存在伪噪声的条件下，例如经某些APP软件后的变声，或者人声录音，创作的音乐等，机器对于声音的识别能力会有所下降，对于目前的机器来说，想准确区分并辨别这些声音是十分困难的。而其中之重，采集者的声音，人的声音具有易变性，易受身体状况、年龄、情绪等的影响，也会呈现不同的采集结果。但是这项技术也与诸多科学研究领域有所联系，即技术的分析研究结果也会给不同领域产生不一样的推进作用。

1.2声纹识别的基本原理

VR声纹识别是作为一种更为贴近原声段的语音识别处理技术，主要是通过分析原始语音信号，并从当中提取出其中的所包含的语音特征参数，从而再比对最初录入的识别人的语音特征，从而实现对语音身份的识别或者确认。声纹识别不能笼统看作一般的语音识别，其中最大的不同，便是声纹识别所提取和分析的是这段语音信号中的语音声纹特征，即语音的频段特征，并不分析语音中词句的详细意思，着重的是语音声纹特征；而语音识别更为主要的目标是解析出语音信号中语句表达的具体内容，并不会深入分析语音中声纹特征，着重的是语音中语义更为普遍的共性。

剩余内容已隐藏，请支付后下载全文，论文总字数：27422字