說話人識別技術是目前很流行的一種技術，也在不斷發展中，說話人識別是從說話人發出的語音信號中自動提取說話人信息，通過對說話人語音信號的分析和特征提取，確定說話人是否在所確定已知的說話人集合中，并進一步判斷說話人是誰的過程。本文是一篇關于說話人識別技術的論文范文，主要論述了說話人識別技術及其在工廠自動控制系統中的應用，投稿在科技資訊雜志上。

　　摘 要：最近幾年，說話人識別技術正在不斷發展。在身份確認關聯的領域內，它凸顯了重要的作用。保障現場安全，防止身份不明的人員進入。夜間時段無人值守，也要配有自動辨識這樣的體系。它能通過判別聲音頻譜，辨別出說話人。自動管控特有的工廠系統，在真實運用之中應當搭配最優的軟硬件，慎重辨別身份。

　　關鍵詞：說話人識別技術,工廠自動控制系統,具體應用

　　說話人識別體系采納實時端點這樣的測定算法、基于幀的可行算法。它采納MFCC特有的參數，當成可辨識的參數。選取矢量量化、模板匹配這樣的識別計算。通過測試可知，說話人辨識特有的技術框架，提升了原有的識別水準，保障了自動化架構之下的工廠安全。與此同時，也便于平日操作，提升運行效率。

　　1 概要的識別流程

　　說話人識別，是數字處理特有的語音處理。這種識別方式與語音識別很近似，都是根據接納的某一語音，予以信號辨識;在這以后，提煉出有關的特征，并建構辨識必備模型。說話人識別、近似特性的語音識別，還是帶有差異的。具體而言，說話人識別預設的側重點，并非辨識語義內涵，而是從原有的信號以內提煉出個體特性。

　　說話人識別細分的層面，包含主體辨認、主體確認。說話人特有的辨認步驟，是把沒能標識出來的語句，設定成若干主體范疇之中的某一主體，帶有選擇的特性;主體確認依托的步驟，是根據擬定好的語句，判別是否相符。這種確認程序，只包含雙重可能：肯定及否定。

　　說話人識別這一體系包含初始的認知時段和后續的識別時段。在認知時段，根據發聲語句，建構精準特性的模型、參量特有的參考集。在后續的識別時段，通過語音特有的導出參量，來比對預設的參量集，或者設定好的模板。說話人確認這樣的體系，把輸入過來的語音參量，比對特有的個體語音。若二者比對得來的差值沒能超出預設的閾值，則應能確認，否則予以否認。

　　2 自動控制運用

　　體系架構之內的工控機，被設定成工廠布設的上位機。它依托著PCI特有的總線，接納現場傳遞過來的電話語音，并輸入接納的這類信號。工控機調配著數據庫、電話報警特有的界面、控制特性的界面。它能辨識進到場地之中的操作主體，辨識語音屬性，接受遠程特性的指令。PLC及場地架構的RS232，能夠互通信息。自動控制細分出來的現場控制，接納了開啟指令，可以依循設定好的邏輯，自動管控開關，并管控變頻器。

　　PLC接納傳感數據發給上位機，上位機辨識下位機供應過來的這些數值，然后預設反饋指令。說話人識別特性的板塊，包含擬定好的授權驗證、擬定命令輸入。在這之中，DSP是辨識模塊特有的中心部分，能夠提煉關涉的特征參數、匹配多重模板，同時辨識有關的判決。DSP凸顯的優勢，是計算速率很快、內存量被拓展、數值交換特有的速率也快。它能創設復雜架構下的算法，搭配DSP特性的芯片，完成識別運算。

　　3 識別之中的端點測定

　　端點測定特有的方式，是識別體系架構中的前端處理。端點檢測特有的精準性，密切關涉識別之中的精準性。例如：給出10個特有的英語數字，在識別測定之中，端點誤差若超出了50 ms，那么對應著的識別率，就會限縮20%。說話人識別特有的框架，創設了基于幀的、實時端點查驗依托的方式，以便測算端點。

　　首先，根據語音特有的能量狀態、過零率變更的總傾向，予以簡單測定。這樣做，能夠辨識語音固有的始末點范疇，提煉頻譜特性。

　　其次，FFT解析得來的頻譜結果，包含多頻段特有的布設特征。根據這一特性，可以判別元輔音。

　　再次，明晰了元輔音、對應著的濁音以后，采納前后拓展這樣的搜索路徑，辨識端點特有的幀。端點檢定預設的這類算法，根據語音固有的根本特性，隨時測定端點。它適應變更著的環境，排除了干擾，提升測定之中的精準層級。

　　4 辨識語音特性

　　4.1 提煉主體特性

　　說話人獨有的語音特性，關聯著更廣范疇的心理狀態、個體生理發音。為此，個體表征的語音特性，帶有動態變更的傾向。這種特性涵蓋了某一范疇的語音譜、多聲道凸顯的特性;與此同時，還包含帶有超音段這樣的特性、個體聲門狀態。說話人固有的語音，很難被直接顯示。為此，采納語音提煉這一方式，來辨識語音特征。

　　搜索得來的信號，包含語音特性、主體個體范疇的若干特性。這些交織特性，表征了復雜形式。特性提取依托的步驟，是采納明晰的語音特征，以便解析信號。這樣做，就舍掉了本源的信息內容，存留了獨有的個體特性。從信息論看，語音辨識關涉的參數影響，是信息壓縮這一總流程。

　　4.2 線性預測解析

　　線性預測特有的解析技術，也即LP這一技術，是參數提煉這一領域以內的廣泛技術。布設的應用系統也慣用這一技術提煉出明晰的倒譜參數。傳統框架內的預測模型，帶有單純數學特性，沒能考量聽覺特有的處理途徑。Mel特有的感知預測，能夠判別倒譜系數，它建構在感知的根基之上。在某一層級內，它仿照了肌體特有的處理途徑，是依憑聽覺體系，推導得來的聲學特性。

　　聽覺機理調研表征著：若設定好的頻率近似，音調同時發聲，則耳朵只能辨識這樣的一個音調。臨界帶寬預設的邊界，是主觀特有的突變界限。具體而言，若音調潛藏著頻率差，沒能超出這樣的臨界，則耳朵會混同它們，被看成屏蔽效應。采納Mel特有的刻度，以便度量這一帶寬。

　　4.3 具體運算步驟

　　識別系統范疇內，MFCC特有的運用正在逐漸推廣。具體而言，它先對整合得來的語音信號，予以分幀處理，把每一幀以內的語音，變更成FFT頻域。在這以后，它會依循設定好的刻度，采納三角架構內的濾波器，予以卷積運算。最后，對于濾波器布設的輸出構成、設定好的對數能量，采納離散態勢下的余弦變換，以明晰語音特征。

　　5 辨識匹配模式

　　說話人識別包含模板匹配、隱含特性的模型、人工建構起來的神經元網絡。細化框架內的識別計算，預設了動態特性的時間規整、對應矢量量化。動態特性的規整，也即DTW，是典型范疇的特定人算法。它規避了自然狀態之下的語速差別，采納時間規整，匹配了模板表征的特性序列、語音的這一序列。比對二者的失真，得到辨識根據。

　　矢量量化特有的辨識方式也被廣泛采納。這種新式技術，規避了語音分段。它被設定成數據壓縮依憑的主要途徑，縮減了存留著的總數據量。矢量量化關涉的分類特征，也能判別真實的主體，提升判別的準確概率。

　　6 結 語

　　工控特性的上位機，包含說話識別特有的細化模塊。工控機管控著建構的數據庫、提供明晰的界面;根據精準參數，設定電話報警。自動辨識說話人，可識別現場以內的操作主體、電話語音特有的真實性，還能接納遠程管控范疇內的一切指令。布設的工控機銜接著PLC及預設的通信接口。PLC架構以內的現場控制，能夠接納上位機擬定好的開啟指令。除此以外，電話語音銜接著的識別模塊，還安設了語音卡，便利電話操作。

　　參考文獻：

　　[1] 覃愛娜，韓華.說話人識別技術及其在工廠自動控制系統中的應用[J].長沙電力學院學報(自然科學版)，2013，(2).

　　[2] 雷鵬.工廠自動控制系統的說話人識別模塊實現[J].電聲技術，2012，(10).

　　[3] 楊海燕，楊斌，景新幸.說話人識別技術在智能家居中的應用[J].電聲技術，2014，(5).

 　　相關期刊簡介：《科技資訊》雜志由北京市科學技術研究院主管，北京國際科技服務中心主辦的科技期刊。本刊國際標準刊號：ISSN1672-3791；國內統一刊號：CN11-5042/N；郵發代號82-238,面向國內外公開發行。創刊年：2003年。