声纹鉴别及其应用

声纹是人说话声音的频谱图 ,由于人的个性 ,决定了不同人声纹的差异性 ,因此 ,声纹识别或声纹鉴定能够确定说话人的身份。声纹鉴别在很多领域有着广泛的应用价值和前景 ,这里 ,简单介绍声纹和声纹鉴定与识别的概念及其应用的历史与现状 ,探讨声纹鉴别的方法原理和步骤 ,讨论声纹鉴别在个人身份证明、刑事侦察、军事、通信、防伪等领域的应用 ,展望声纹鉴别的应用前景。     

一种基于ARM和DSP的信号处理平台

基于ARM和DSP芯片设计实现了一种信号处理平台。硬件方面,ARM作为主控制器,完成数据输入、输出、人机交互,并通过HPI接口访问和控制DSP芯片;DSP作为ARM芯片的协处理器,负责信号处理及算法运算。软件方面,实现了ARM芯片上的WINCE应用程序用于访问、控制DSP,设计基于HPI接口启动的DSP程序负责数据处理以及和ARM通信。通过在此平台上实现的一个声纹识别系统,验证了平台软硬件设计的正确性。     

基于语音频谱包络抽取的MFCC算法

MFCC可以更加准确地表示语音低频处的频谱包络,在语音转换中是一种很好的频谱包络表示方法;提出一种新的有效的求解MFCC的算法,先对频谱通过谐波抽取得到阶梯谱包络,再对阶梯谱包络进行Mel尺度变换,最后通过余弦变换求得MFCC参数。该方法实现简单,运算结果准确。     

超声速调制气流声源声压级增益特性的理论与实验

通常认为,当气室压力提高到一定程度,调制气流声源声压级输出将趋于饱和。为了从基本原理上探讨进一步提高声源输出的途径,设计了收缩-扩张喷口,将调制作用上游的声速流动提高至超声速。理论分析表明,来流气压较高时,超声速调制优于声速调制,可获得一定的声压级增益。增益量随喷口面积比减小而增加。旋笛实验在调制频率较低时得到了超声速调制的声压级增益;调制频率较高时,受瞬态作用的影响,参与调制的气流很可能未完全发展为超声速流动,超声速调制与声速调制的旋笛性能相同。     

基于NFxPEM算法的调制气流声源的非线性补偿

针对调制气流声源存在较强的谐波畸变,将声源系统等效为Hammerstein非线性模型,利用该模型下的预失真技术对声源进行非线性补偿研究。根据辨识的Hammerstein模型中静态非线性部分带有直流分量的特点,给出了考虑直流分量补偿的预失真算法,并用数值仿真验证了算法的准确性和直流分量补偿的必要性。在非线性补偿实验中,根据单频信号辨识得到Hammerstein模型参数,采用NFxPEM算法求得对应的预失真Wiener模型参数和预失真波形。实验结果表明, 与直接发射相比,补偿发射后声波的功率谱中谐波能量有所下降,而基频能量有小幅度的上升,说明了研究思路的正确性。     

基于NFxPEM算法的调制气流声源的非线性补偿研究

针对调制气流声源存在较强的谐波畸变,将声源系统等效为Hammerstein非线性模型,利用该模型下的预失真技术对声源进行非线性补偿研究。根据辨识的Hammerstein模型中静态非线性部分带有直流分量的特点,给出了考虑直流分量补偿的预失真算法,并用数值仿真验证了算法的准确性和直流分量补偿的必要性。在非线性补偿实验中,根据单频信号辨识得到Hammerstein模型参数,采用NFxPEM算法求得对应的预失真Wiener模型参数和预失真波形。实验结果表明,与直接发射相比,补偿发射后声波的功率谱中谐波能量有所下降,而基频能量有小幅度的上升,说明了研究思路的正确性。     

一种GMM-SVM混合说话人辨认模型

文中提出了一种GMM和SVM混合说话人识别模型,在特征参数域和概率得分域对两种模型进行了融合。混合模型结合了GMM和SVM各自的优势,使SVM的概率输出兼顾各说话人模型内部和模型之间的信息,并有效解决了SVM训练算法复杂,难以处理大量样本的问题。采用TIMIT数据库进行了说话人辨认实验,结果证明本文提出的GMM-SVM模型比传统的GMM模型和SVM模型具有更好的辨识性能。     

调制气流声源振动系统参数分析

通过实验数据与理论计算结果的对比,分析了气流对振动系统的阻尼作用;并以实验声源为基础,以等效电路方法分析了调制气流声源振动系统的弹性系数、磁感应强度、音圈质量、电阻、电感以及绕线方式等参数对音圈振幅的影响;根据调制气流声源的用途差异,提出了用于语音广播和产生大功率低频声波时振动系统各参数的选择方法.