【導讀】說話人識別就是利用說話人的語音特征對說話人身份進行辨識或確認。相應的模板和模型，然后按照一定的判決規(guī)則進行識別。的效果直接影響到后期識別的準確性。本設計完成了一個基于小波包分析的聲音。論文首先介紹小波分析理論的基本知識，闡述了小波理論、小波包分析理論，得到特征參數(shù)。用特征參數(shù)提取方法通過對兩個人的數(shù)字音頻。樣本提取的特征參數(shù)對比來觀察各個參數(shù)之間的區(qū)別。

　　

【正文】 0 “ 1”與“ 4” 0 “ 2”與“ 3” 0 “ 2”與“ 4” 0 “ 3”與“ 4” 0 從上圖及差值表可以發(fā)現(xiàn)在 3— 5列數(shù)值上有很大差別有些部 分數(shù)值上基本無差別。 這些信號在前 11列小波包系數(shù)能量上的差別表明了語音只在前 11列的相應頻率上有能量差別。而特征參數(shù)（小波包系數(shù)能量）從 12列部分開始，幾乎是0，這就表明這些不同的語音信號在其他頻率上基本沒有能量。 （ 2）由 與 特征參數(shù)比較可以從以下圖中清晰看出 0 5 10 15 20 25 3 0 2 0 1 00102030頻率小波包系數(shù)的能量 圖 7 男 A與男 B發(fā)“ 1”時特征參數(shù)對比圖 第 15 頁 共 26 頁 0 5 10 15 20 25 4 0 3 0 2 0 1 00102030頻率小波包系數(shù)的能量 圖 8 男 A與男 B發(fā)“ 2”時特征參數(shù)對比圖 0 5 10 15 20 25 3 0 2 0 1 00102030頻率小波包系數(shù)的能量 圖 9 男 A與男 B發(fā)“ 3”時特征參數(shù)對比圖 第 16 頁 共 26 頁 0 5 10 15 20 25 3 0 2 0 1 00102030頻率小波包系數(shù)的能量 圖 10 男 A與男 B發(fā)“ 4”時特征參數(shù)對比圖 表 5 男聲 A、 B樣本“ 14” 特征參數(shù) 相對應之間差值 1— 6列 列數(shù) 男 A 男 B 同一 發(fā)音特征參數(shù)差值 第 1 列 第 2 列 第 3 列 第 4 列 第 5 列 第 6 列 “ 1” “ 2” “ 3” “ 4” 表 6 男聲 A、 B樣本“ 14” 特征參數(shù) 相對應之間差值 7— 24列 列數(shù) 男 A 男 B 同一 發(fā)音特征參數(shù)差值 第 7 列 第 8 列 第 9 列 第 10 列 第 11 列 第 1224 列 “ 1” 0 “ 2” 0 “ 3” 0 “ 4” 0 觀察以上四圖及差值表較明顯看出同一人發(fā)音在 1— 2和 6— 11列相對的頻率上區(qū)別不大，而不同人不同人的發(fā)音區(qū)別在這些列上有了很大的區(qū)別。 第 17 頁 共 26 頁 （ 3） 與 特征參數(shù)比較 0 5 10 15 20 25 3 0 2 0 1 00102030頻率小波包系數(shù)的能量 圖 11 男 B兩次發(fā)“ 1”時特征參數(shù)對比圖 0 5 10 15 20 25 4 0 3 0 2 0 1 00102030頻率小波包系數(shù)的能量 圖 12 男 B兩次發(fā)“ 2”時特征參數(shù)對比圖 第 18 頁 共 26 頁 表 7 男聲 B樣本“ 12” 特征參數(shù) 兩次同一發(fā)音相對應之間差值 1— 6列 列數(shù) 男 B 同一數(shù) 字重復發(fā)音特征參數(shù)差值 第 1 列 第 2 列 第 3 列 第 4 列 第 5 列 第 6 列 “ 1” “ 2” 表 8 男聲 B樣本“ 12” 特征參數(shù) 兩次同一發(fā)音相對應之間差值 7— 24列 列數(shù) 男 B 同一數(shù)字 重復發(fā)音特征參數(shù)差值 第 7 列 第 8 列 第 9 列 第 10 列 第 11 列 第 1224 列 “ 1” 354 0 “ 2” 0 由上面兩圖及差值表可清晰 發(fā)現(xiàn)同一人發(fā)同一個音在第 1和 11列上差別最小 。 總之不同人語音的特征參數(shù)差別在 1— 2和 611列上，而同一個人不同語音差別在 3— 5 列上。 結 論 本次論文借鑒 MFCC提取的方法，用小波包分析來提取語音的特征參數(shù)。從仿真數(shù)據(jù)分析發(fā)現(xiàn)：區(qū)別不同人的發(fā)音的頻點和區(qū)別同一人不同發(fā)音的頻點分別在不同的頻帶上即某些頻點可以區(qū)別不同人而某些頻點可以區(qū)別同一人不同發(fā)音；新的特征參數(shù)具有較高的識別率，并具有一定的抗噪聲能力，為后期能夠準確識別提供前期保障。由實驗發(fā)現(xiàn)基于小波包分析的特征參數(shù)提取法較好，且比 MFCC減少 了一些步驟更容易實現(xiàn)、應用。 在驗證本類算法的性能時對幾種實驗小波包系數(shù)能量進行了比較，結果表明提取語音特征參數(shù)的有較好的效果。本設計中聲音特征提取技術使應用語音識別技術成為了可能。 基于小波包分析的聲音特征提取技術近些年發(fā)展較快：一方面計算機技術的高速發(fā)展對該領域的研集成電路與元器件卷起了促進作用，計算機信息處理速度的提高、存儲器容量的增大等硬件性能提高使得研究人員能夠研制和采用更為復雜的算法；另一方面，特征提取和識別技術的實際應用的迫切性大大地推動了該領域課題的發(fā)展。聲音技術已經(jīng)從模式識別和人工智能的一 個分支提升為一門綜合人類智能各項研究的獨立學科，隨著聲音模式識別技術的不斷發(fā)展，在工業(yè)、農(nóng)業(yè)、軍事等領域將得到更多的應用。 第 19 頁 共 26 頁 參考文獻 [1] 吳劍英 .杜勇 .趙忠華?；谧罴研〔ò纸獾恼Z音信號特征提取 [J].新疆師范大學，2020。 [2] 胡航 .語音信號處理 [M].哈爾濱工業(yè)大學出版社， 2020。 [3 ] 周麗芳 .李偉生 .一種基于數(shù)據(jù)融合的身份識別方法 [J].重慶郵電大學軟件學院， 2020。 [4] 劉鳴 .戴蓓倩 .李輝 .等 .基于離散小波變換和感知頻域濾波的語音特征參數(shù) [J].電路與系統(tǒng)學報， 2020， 5(1)： 21– 25。 [5] 劉貴忠 .邸雙亮 .小波分析及應用 [M].西安 :西安電子科技大學出版社， 1992。 [6] 于開平 .鄒經(jīng)湘 .楊炳淵 .小波函數(shù)的性質及應用 [J].哈爾濱工業(yè)大學學報， 2020， 32(2)：36– 39。 [7] 王金明 .張雄偉 .話者識別系統(tǒng)語音特征參數(shù)的研究與仿真 [J].系統(tǒng)仿真學報， 2020，15(9)： 1276– 1278。 [8] 趙瑞珍 .宋國鄉(xiāng) .基音檢測的小波快速算法 [J].電子科技， 1998， 43(1)： 16– 19。 [9] 王讓定 .柴佩琪 .語音倒譜特征的研究 [J].計算 機工程， 2020， 29(13)： 31– 33。 [10] 武妍 .金明曦 .王洪波 .基于 KL－小波包分析的文本無關的說話人識別 [J].計算機工程與應用， 2020(4)： 2628。 第 20 頁 共 26 頁 致 謝 本文是在張杰老師的熱情關心和指導下完成的，他淵博的知識和嚴謹?shù)闹螌W作風使我受益匪淺，對順利完成本課題起到了極大的作用。在此向他表示我最衷心的感謝！ 最后向在百忙之中評審本文的各位專家、老師表示衷心的感謝！ 作者簡介： 姓 名：黃現(xiàn)云 性別：男 出生年月： 1987 年 3月 13日 民族：漢族 Email: 第 21 頁 共 26 頁 聲 明 本論文的工作是 2020 年 3月至 2020 年 6月在成都信息工程學院通信工程學院完成的。文中除了特別加以標注地方外，不包含他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得成都信息工程學院或其他教學機構的學位或證書而使用過的材料。除非另 有說明，本文的工作是原始性工作。 關于學位論文使用權和研究成果知識產(chǎn)權的說明： 本人完全了解成都信息工程學院有關保管使用學位論文的規(guī)定，其中包括： （ 1）學校有權保管并向有關部門遞交學位論文的原件與復印件。 （ 2）學?？梢圆捎糜坝?、縮印或其他復制方式保存學位論文。 （ 3）學?？梢詫W術交流為目的復制、贈送和交換學位論文。 （ 4）學?？稍试S學位論文被查閱或借閱。 （ 5）學?？梢怨紝W位論文的全部或部分內(nèi)容（保密學位論文在解密后遵守此規(guī)定）。 除非另有科研合同和其他法律文書的制約，本論文的科研成果屬于成都信息工程 學院。 特此聲明！ 作者簽名： 2020年 06月 04日