基于FPGA的声纹识别系统设计

随着生物识别技术在各行各业之中开始普遍使用,作为人类最高频的交互方式,声纹识别成为生物识别技术中一种不可替代的解决方案。本文设计了一种基于现场可编程门阵列（Field Programmable Gate Array,FPGA）的声纹识别系统。该系统基于MFCC提取的声音特征通过卷积神经网络模型进行声纹识别,并结合IP核对卷积运算进行加速,试验测试表明,该系统可以充分发挥FPGA的高密度、高效率的优势,提高CNN的运行效率、优化其前馈网络结构,从而实现更快速、更精准的声纹识别。     

人工智能技术在智能声纹识别系统中的应用

以声纹识别的发展现状为切入点,通过研究传统声纹识别系统的基本概念以及人工智能技术在声纹识别系统中的应用,深入探索基于人工智能技术的智能声纹识别系统建设,为智能声纹识别系统的未来发展提供可行性建议.     

基于共振峰和梅尔倒谱的声纹特征提取SOC设计

反映声道(谐振器)物理特性且不易受环境影响的元音共振峰可以更好地反映说话人的声纹特征,为此提出了说话人共振峰自适应MFCC(梅尔倒谱系数)特征提取SOC(片上系统)设计。首先提取说话人语音元音的三组共振峰来设计Mel三角形滤波器组,并基于传统MFCC与共振峰改进MFCC矩阵参数比值设计自适应融合说话人语音特征以改进MFCC。在MATLAB中完成性能仿真,在QUARTUS II中完成VERILOG-HDL代码设计,在FPGA(现场可编程门阵列)开发板上完成SOC设计、编译、仿真和验证下载。结果表明,在较高信噪比环境下,基于自适应融合和共振峰改进的MFCC得到的特征向量比传统的MFCC具有更强的鲁棒性,此技术在说话人声纹身份识别传感器设计中有较大应用推广价值。     

水电机组声纹识别技术研究∗

水电机组在运行过程中会出现不同品质的声音,其部件也都具有自身特定的声纹,声纹中含有反映设备健康状态的丰富信息.通过在灯泡贯流式水电机组灯泡头、灯泡体、转轮室等位置布置声频传感器,采用基于时域特征 峭度的卷积窗-短时傅里叶变换技术对采集的音频信号进行特征提取,能够准确识别出不同工况下机组的声纹,从而对设备进行异常报警和故障诊断.     

基于非单调共轭梯度算法的声纹识别机器人控制系统设计

传统声纹识别人控制系统识别准确率低,存在语音识别噪声鲁棒性问题。针对上述问题,基于非单调共轭梯度算法设计了一种新的声纹识别机器人控制系统,采用BioVoice 2.0 标准声纹采集器采集数据,提取声纹特征,根据提取的声纹特征建立模型库,同时引用了两个声纹数据采集终端,型号分别是TMC104-B和TMC104,选用型号为AS-MrobotR的机器人配合采集器和采集终端实现工作。在Windows平台下使用C/C+语言研究了一种专用的程序,在程序内部添加mde-api数据库,完成训练程序和识别程序。实验结果表明,基于非单调共轭梯度算法的声纹识别机器人控制系统能够很好地解决语音识别噪声鲁棒性问题,在有噪声环境下识别准确率提高15.24%,在无噪声环境下识别准确率提高21.55%。     

基于GMM-UBM的声纹识别技术的特征参数研究

声纹识别技术实现的关键点在于从语音信号中提取语音特征参数,此参数具备表征说话人特征的能力。基于GMM-UBM模型,通过Matlab实现文本无关的声纹识别系统,对主流静态特征参数MFCC、LPCC、LPC以及结合动态参数的MFCC,从说话人确认与说话人辨认两种应用角度进行性能比较。在取不同特征参数阶数、不同高斯混合度和使用不同时长的训练语音与测试语音的情况下,从理论识别效果、实际识别效果、识别所用时长、识别时长占比等多个方面进行了分析与研究。最终结果表明:在GMM-UBM模式识别方法下,三种静态特征参数中MFCC绝大多数时候具有最佳识别效果,同时其系统识别耗时最长;识别率与语音特征参数的阶数之间并非单调上升关系。静态参数在结合较佳阶数的动态参数时能够提升识别效果;增加动态参数阶数与提高系统识别效果之间无必然联系。     

基于声纹识别的Web身份认证系统设计

设计一个基于声纹识别的Web身份认证系统。在浏览器端利用自主开发的ActiveX录音控件录取封装使用者的声纹特征并传送给服务器,服务器端使用隐马尔科夫模型表述单字,单字之间通过增加静音状态分割以及语音训练形成稳定的声纹特征模型作为身份验证的基础库。实际测试结果表明,该系统识别性能好、可移植性强,适用于网络资源的远程声控。     

基于小波包提取特征的声纹识别

关于生物特征识别问题,人耳的听觉识别精度很重要.识别研究难点在于如何选取有效的耐噪特征参数,以提高识别率,传统的特征参数都将语音视为一种平稳信号进行处理,不能很好的反映语音信号的动态特性,故不能得到较好的识别率.针对提高抗噪声性能和识别声信精度,提出了一种新的特征参数(DWP-MFCC),用在感知倒谱分析(Mel-Cepstrum)的基础上引入多分辨率小波包分析技术,通过提高时频分辨率,增强语音动态信息,克服了原有单一线性分析的不足,并基于矢量量化(VQ)系统进行说话人识别实验.实验证明,与LPCC和MFCC参数相比采用新方法使系统的识别率得到显著的提高.     

基于声纹识别的嵌入式防盗系统

为了克服传统防盗锁的缺点,嵌入式防盗系统是在对声纹识别算法进行相关的研究和改进的基础上基于ARM9嵌入式开发的,本文结合Linux操作系统,选用MINI2440芯片,并配合外围驱动电路和电子锁开发实现。研究结果表明,该系统具有较高的语音识别率,性能稳定,有一定的应用价值。