项目施行布景及可行性剖析：
跟着网络信息化技能的迅猛发展，身份验证的数字化、隐性化、快捷化显得越来越重要。言语作为人类的天然特点之一，说话人言语具有各自的生物特征，这使得经过语音剖析进行说话人辨认（Speaker Recognition, RS）成为可能。人的语音能够十分天然的发生，练习和辨认时并不需要特别的输入设备，比如个人电脑遍及装备的麦克风和到处都有的电话都能够作为输入设备，因而选用说话人语音进行说话人辨认和其他传统的生物辨认技能比较，具有更为简洁、精确、经济及可扩展性杰出等很多优势。
说话人辨认的研讨始于20世纪60年代，现在在特征提取、模型匹配、环境适应性等方面的研讨已臻于老练，各种算法也趋于稳定，说话人辨认技能也正逐渐进入到实用化阶段。因而，咱们依据已有的特征提取算法依据FPGA东西树立说话人辨认体系是可行的。
项目现在进展：
体系详细计划及模型已树立成功，并选用最小间隔算法对体系进行说话人承认和说话人辨认的matlab仿真。 仿真成果显现，辨认成功。
项目施行计划：
1 项目根本框图：
图1 说话人辨认根本框图
图1是一个典型的说话人辨认框图，包含练习和辨认两个部分，练习又分为练习语音预处理、特征提取、练习建模、获取模型参数库四个进程，辨认部分分为测验语音预处理、特征提取、形式匹配、判定输出四个进程。辨认部分的形式匹配模块是将测验语音的特征矢量同模型库里的特征矢量进行间隔匹配。
2 详细步骤
2.1 预处理
无论是练习语音信号仍是测验语音信号在进行特征提取之前都要进行预处理。预处理包含预加剧、分帧加窗、端点检测等。
（1）预加剧：正常人的语音频率规模一般为40Hz~4000Hz，在求语音信号频谱时，频率越高相应的频谱成分越小，高频部分的频谱比低频部分的难求，预加剧的意图是对语音信号的高频部分（大约800Hz以上）加以提高，是信号的频谱变得平整，以便于频谱剖析。预加剧在语音信号数字化之后进行，用一阶数字滤波器来完成，公式为：
（1）
其间，
为预加剧系数，它的值挨近1，本项目取0.9375。
（2）分帧加窗：语音信号在很短的一个时刻内能够以为是平稳的，所以咱们在对其处理时，先对语音信号分帧，对每帧信号处理就相当于对固定特性的持续语音进行处理。一帧语音信号时长约10~30ms，本体系采样频率
为22050Hz，所以，帧长N取256，帧移为128。.分帧后，对每帧信号采纳加窗处理，为防止吉布斯效应，本体系选用长度为256的汉明窗，其表达式为：
（2）
其间
表明该窗的中心坐标。
（3）端点检测：端点检测的意图是从包含语音的一段信号中消除无声段的噪音和削减处理语音段的时刻，承认出语音的起点以及结尾。本体系经过短时能量的巨细来区别清音段和浊音段。设第n帧语音信号的短时能量为
，其核算公式如下：
（3）
清音的能量较小，浊音的能量较大。
在进行说话人语音端点检测时，首要依据布景噪声承认一个短时能量的门限阈值，因为咱们获取说话人语音信息时是在安静环境下进行的的，所以仅依据此门限来承认语音的起点和结尾也是可行的。但为了防止突发性的瞬时噪声（其短时能量有时比较大）的搅扰，咱们在此基础上，进行了进一步的限制，即，一旦检测到某帧的短时能量超过了门限，咱们再持续检测接下来的32（经验值）帧，假如在这32帧里有3/4（经验值）的帧其短时能量都超过了门限，咱们才承认开始检测的帧为语音起点，不然持续下一帧的检测。试验仿真证明，这种办法比较于单纯经过门限值判别能更好地承认语音的开始点和结尾。
2.2 特征提取、练习、辨认
2.2.1 特征提取
语音信号的特征提取是说话人辨认的关键问题。对一帧语音信号进行某种改换今后发生的相应矢量，如线性猜测系数、LPC倒谱系数、线谱对参数、共振峰率、短时谱等。归纳考虑功能和硬件完成复杂度，在本体系中咱们挑选语音信号的短时谱作为其特征参数。首要咱们对分帧加窗后的语音信号进行短时傅里叶改换，得到每帧语音信号频谱的幅值散布，再依据这些频谱幅值散布提取每一帧的特征矢量。
设加窗后的第n帧语音信号记为
，其短时傅里叶改换表明为：
（4）
在本体系，咱们用DFT来等价短时傅里叶改换。对所求得的帧信号的频谱幅值散布进行剖析：每4个样本点求一次最大幅值，记录下对应最大幅值的那个样本点标号，这样长256的一帧信号能够得到64个这样的样本点。取这64个样本点组成的矢量向量为该帧的特征矢量。对输入语音的一切帧特征矢量求均匀，得该输入语音的帧均匀特征矢量，即该语音的特征矢量，记为
。
2.2.2 练习建模
在练习建模部分，咱们树立辨认模型，所谓辨认模型，是指用什么模型来描绘说话人的语音特征在特征空间的散布。关于说话人辨认体系，特征参数被提取出来后，需要用辨认模型为说话人建模，并对特征进行分类，以承认归于哪一个说话人。现在常用的辨认模型有，最小间隔模型，矢量量化模型，隐马尔可夫模型，高斯混合模型。归纳考虑下，本体系选用最小间隔模型对说话人语音进行练习。
本体系试验时说话人练习次数取为10，首要对每次练习的输入语音求特征矢量
（
），再对10次练习发生的特征矢量求均匀得到的均匀特征矢量
，将此均匀特征矢量作为说话人练习所得的模型特征矢量。
2.2.3 辨认
说话人辨认包含说话人区分和说话人承认，说话人区分是从多个说话人语音中辨认出某个人的那一段语音信息，而说话人承认是承认某段语音信息是不是或人所说。
咱们用测验数据与练习数据的均匀特征矢量之间的均方差作为一种间隔衡量。在说话人承认中，咱们设定一个判定阈值
，假如测验者数据与练习数据的间隔小于此阈值，咱们就以为承认到了原说话人；在说话人辨认中，咱们把与测验说话人间隔最小的说话人作为方针说话人。
二、Matlab仿真成果
咱们经过Windows自带的录音机得到声响数字信号，采样频率为22050Hz，单声道。说话人数为2，在练习阶段，每个说话人说10次‘芝麻开门’。
图2 说话人zx的测验语音‘zx316’的相关图
图3 语音信号‘zx316’榜首帧的短时傅里叶频谱幅值散布
图4 语音信号‘bb13’榜首帧的短时傅里叶频谱幅值散布
测验语音‘zx316’榜首帧的特征向量：
1 8 12 16 19 23 27 31 33 38 43 46 50 53 57 64 65 72 73 80 81 88 91 96 97 103 106 111 113 117 122 125 132 136 140 141 147 152 153 160 161 167 169 176 177 183 186 190 193 198 202 208 209 215 220 221 227 231 235 239 241 245 249 256
测验语音‘bb13’榜首帧的特征向量：
1 7 12 16 17 21 26 29 34 37 44 47 49 56 58 61 65 70 73 80 81 85 92 93 98 104 105 110 115 117 121 128 130 136 138 143 145 150 154 157 162 166 169 176 177 181 188 191 193 200 202 205 211 213 220 221 228 232 233 239 242 245 249 256
测验语音‘zx316’均匀特征向量avtzv1：
2.8056 6.6157 10.5185 14.3009 18.6667 22.5972 26.1296 30.2361 34.6435 38.7407 42.1389 46.4444 50.4907 54.1296 58.6250 62.9583 66.1296 70.7546 74.2824 78.0000 82.1759 86.5324 90.3472 94.4583 98.4352 102.5926 106.3102 110.3009 114.4722 117.9537 122.1065 126.3889 130.5139 134.8333 138.8056 142.4167 146.6852 150.9120 154.2685 158.4537 162.5926 166.6204 170.3241 174.8426 178.8333 182.7963 186.4815 190.8796 194.2222 198.3935 203.2130 206.5648 210.2824 214.7963 218.1852 222.0787 226.6944 231.3287 234.9676 238.6435 242.8565 246.7037 250.3102 253.9491
测验语音‘bb013’均匀特征向量avtz2：
2.6385 7.3991 10.3756 14.8357 18.7324 22.0423 26.1455 30.1643 34.5493 38.0423 42.7746 46.9014 49.6432 54.0751 58.5305 62.5493 66.7324 70.8216 75.1502 78.0376 81.9718 86.4695 90.6432 93.7700 99.2347 101.9390 106.6291 110.4883 113.9296 118.6854 122.0329 126.2817 130.5211 134.7418 138.3897 143.1972 146.7371 150.3615 155.1080 158.0376 163.1080 166.3991 170.8920 175.2441 179.2300 181.8075 185.8404 189.8826 194.5915 198.5587 202.5446 206.9061 210.4413 214.3568 218.5915 222.6197 226.2629 230.9108 235.0939 238.4648 241.8732 246.7606 249.9249 253.8216
十次练习后，说话人zx的模型特征向量zxtzv：
2.6470 6.3738 10.4790 14.1162 18.7036 22.6037 26.2209 29.9523 34.3714 38.8523 42.3689 46.4702 50.5910 54.0536 58.4656 62.8491 66.2164 70.5120 74.2916 78.2231 82.2290 86.6381 90.4263 94.4608 98.5462 102.5562 106.3308 110.3999 114.2824 118.1380 122.1408 126.2868 130.6763 134.8471 138.7515 142.6162 146.6641 150.7192 154.2886 158.3545 162.5407 166.5522 170.2916 174.8380 178.7560 182.8976 186.5329 190.8797 194.2625 198.4912 203.1178 206.6151 210.4543 214.7273 218.0488 222.2090 226.7668 230.8650 234.7660 238.3485 242.7473 246.7412 250.4028 253.8851
练习所得说话人zx的承认阈值为zxp：
0.0403
十次练习后，说话人bb的模型特征向量bbtzv：
2.5516 7.3047 10.2896 15.0233 18.7163 21.7753 25.8263 30.4965 34.4767 38.2047 42.6746 46.2591 49.9754 54.4766 58.5582 62.7232 66.4625 71.0343 74.8362 78.0749 82.2228 86.1855 90.2439 94.4314 98.5723 102.5504 106.2111 110.1579 114.2530 118.2325 122.2810 126.2972 130.5383 134.6598 138.7651 142.7511 146.8711 150.7495 154.4465 158.1874 162.6890 166.6006 170.9542 174.7016 179.1256 182.1497 186.1302 190.4031 194.2276 198.4698 202.4609 206.8553 210.8231 214.4258 218.5462 222.5539 226.4384 231.2354 235.0389 238.5223 241.7803 246.7281 249.9968 253.8746
练习所得说话人bb的承认阈值为bbp：
0.0940
说话人承认时:
- 核算测验语音语音1（zx036）的特征向量avtzv1与说话人zx的模型特征向量zxtzv的间隔，为0.0196，小于说话人zx的承认阈值为zxp（0.0403），所以承认测验语音1为zx所说；核算测验语音2（bb13）的特征向量avtzv2与说话人zx的模型特征向量zxtzv的间隔，为0.2310，大于说话人zx的承认阈值为zxp（0.0403），所以承认测验语音2不是zx所说。
- 核算测验语音语音1（zx036）的特征向量avtzv1与说话人bb的模型特征向量bbtzv的间隔，为0.1292，大于说话人bb的承认阈值为bbp（0.0940），所以承认测验语音1不是bb所说；核算测验语音2（bb13）的特征向量avtzv2与说话人bb的模型特征向量bbtzv的间隔，为0.0932，小于说话人bb的承认阈值为bbp（0.0940），所以承认测验语音2是bb所说。
说话人辨认：
- 核算测验语音语音1（zx036）的特征向量avtzv1与说话人zx的模型特征向量zxtzv的间隔，为0.0196；核算测验语音语音1（zx036）的特征向量avtzv1与说话人bb的模型特征向量bbtzv的间隔，为0.1292。所以，将测验语音1辨以为zx所说。
- 核算测验语音2（bb13）的特征向量avtzv2与说话人zx的模型特征向量zxtzv的间隔，为0.2310；核算测验语音2（bb13）的特征向量avtzv2与说话人bb的模型特征向量bbtzv的间隔，为0.0932。所以，将测验语音1辨以为bb所说。
三、 Matlab仿真程序：
1. 说话人承认主函数
%%####=============说话人承认主函数（最小间隔）==============####%%
clc;clear;
%============1 流程阐明========%
%将测验语音与练习所得模板逐一进行承认，先承认出要承认的说话人的模板的练习判定阈值，
%再求出每个测验语音的均匀特征向量与此说话人模板特征向量的间隔，假如间隔小于阈值，
%则承认此测验语音为该说话人所说，不然不是。
%==========2 符号阐明===========%
% N：说话人数；K: 特征矢量的长度；
% TZV：N*K阶的练习特征矢量矩阵，第nn行表明第nn个说话人的模型特征矢量；
% DTH: N长的练习判定门限向量，第nn个元素代表第nn个说话人的练习判定门限；
% S1： 说话人1的语音信号；S2：说话人2的语音信号；……；SN: 说话人N的语音信号
%=========3 主程序=======%
%===依据练习数据，求出各个说话人的练习特征矢量和练习判定门限===%
N=2;
TIMES=10;%练习次数为10
load A1 A1; %A1为说话人zx的十次练习语音组成的cell
load A2 A2; %A2为说话人bb的十次练习语音组成的cell
%…….%
[mtzh1,p1]=xunlian(A1,TIMES);%调用练习子函数,得说话人的模型特征矢量和模型判定门限
TZV(1,:)=mtzh1;
DTH(1)=p1;
[mtzh2,p2]=xunlian(A2,TIMES);
TZV(2,:)=mtzh2;
DTH(2)=p2;
%…….%
K=length(mtzh1);
%===说话人说话，轮番进行承认===%
%==承认说话人1==%
nn=1;
S1=wavread(f:\speakerzx3\zx316);%%说话人x说话后语音信息被存储，用函数读出该语音信号
decisionf(S1,TZV,DTH,nn,K) %承认说话人x是否为说话人1，是输出‘yes’,不是输出‘no’
S2=wavread(f:\speakerbb1\bb13);%%说话人y说话后语音信息被存储，用函数读出该语音信号
decisionf(S2,TZV,DTH,nn,K) %承认说话人y是否为说话人1，是输出‘yes’,不是输出‘no’
%……%
%==承认说话人2==%
nn=2;
S1=wavread(f:\speakerzx3\zx316);%%说话人x说话后语音信息被存储，用函数读出该语音信号
decisionf(S1,TZV,DTH,nn,K) %承认说话人x是否为说话人2，是输出‘yes’,不是输出‘no’
S2=wavread(f:\speakerbb1\bb13);%%说话人2说话后语音信息被存储，用函数读出该语音信号
decisionf(S2,TZV,DTH,nn,K) %承认说话人y是否为说话人2，是输出‘yes’,不是输出‘no’
%……%
%=====……=====%
2．说话人辨认主函数
%%####=============说话人区分主函数（最小间隔）==============####%%
clc;clear;
%============1 流程阐明========%
%对要进行辨认的测验说话人提取均匀特征向量，和练习库中的每个模板特征矢量进行间隔比较，咱们把与测验说话人具有最小间隔的说话人作为方针说话人。
%==========2 符号阐明===========%
% N：说话人数；K: 特征矢量的长度；
% TZV：N*K阶的练习特征矢量矩阵，第nn行表明第nn个说话人的模型特征矢量；
% DTH: N长的练习判定门限向量，第nn个元素代表第nn个说话人的练习判定门限；
% S1： 说话人1的语音信号；S2：说话人2的语音信号；……；SN: 说话人N的语音信号
%=========3 主程序=======%
%===依据练习数据，求出各个说话人的练习特征矢量和练习判定门限===%
N=2;
load A1 A1;
load A2 A2;
TIMES=10;%练习次数为10
[mtzh1,p1]=xunlian(A1,TIMES);%调用练习函数,得说话人的模型特征矢量和模型判定门限
TZV(1,:)=mtzh1;
[mtzh2,p2]=xunlian(A2,TIMES);
TZV(2,:)=mtzh2;
K=length(mtzh1);
%===说话人说话，进行辨认===%
%==辨认说话人1==%
S1=wavread(f:\speakerzx3\zx316);%%说话人1说话后语音信息被存储，用函数读出该语音信号
identify(S1,TZV,N,K)
%==辨认说话人2==%
S2=wavread(f:\speakerbb1\bb13);%%说话人2说话后语音信息被存储，用函数读出该语音信号
identify(S2,TZV,N,K)
3 .子函数1——输入练习语音数据，输出练习所得形式练习特征矢量及判定阈值
function [mtzh,p]=xunlian(A,TIMES)
%===输入为练习次数TIMES和每次的练习语音信号的合集A；输出为练习所得模型特征矢量及模型判定门限===%
for tt=1:TIMES %10指每个说话人的练习次数
avertzvector(tt,:)=tzhvf(A{tt});
end
mtzh=sum(avertzvector)/TIMES;
%%==========承认判定门限dehood1=======%%
for ts=1:TIMES
chavec=mtzh-avertzvector(ts,:);
wucha(ts)=chavec*chavec/length(mtzh);
end
p=max(wucha);
4. 子函数2——特征特取子函数
输入语音信号，输出特征矢量
%===提取输入语音信息的特征矢量===%
function avertzvector=tzhvf(x1)
lent1=length(x1);
%%=======预加剧更新x1=======%%
u=0.9375;
for num=2:lent1
x1(num-1)=x1(num)-u*x1(num-1);
end
%%=======将语音信号进行分帧得y1,加窗得winy1=======%%
framelen=256;%帧长
shift=128;%帧移
numframe=ceil(lent1/shift)-1;%%帧数
for numw=1:framelen
hw(numw)=0.54-0.46*cos(2*pi*(numw-1)/(framelen-1));%%汉明窗
end
for num1=1:numframe
a=(num1-1)*framelen/2+1;
b=(num1-1)*framelen/2+framelen;
if b=lent1
y1(num1,:)=x1(a:b);
else
y1(num1,:)=[(x1(a:lent1)),zeros(1,b-lent1)];
end
winy1(num1,:)=y1(num1,:).*hw;%%分帧加窗后的数据
end
%%=========求信号的短时能量e1==========%%
e1=sum(winy1.^2,2);%%sum(x,2)表明将矩阵x横向相加，得到每行的和，为一个列向量
%%========使用短时能量进行端点检测得到开始帧号startnum和完毕帧号endnum==========%%
menxian=9e-04;
duliang=32;
for startnum=1:length(e1)
if e1(startnum)>menxian
indc=find(e1(startnum+1:startnum+duliang)>menxian);
if length(indc)/duliang>=3/4
break;
end
end
end
for endnum=length(e1):-1:1
if e1(endnum)>menxian
indc=find(e1(endnum-duliang:endnum-1)>menxian);
if length(indc)/duliang>=3/4
break;
end
end
end
data1=winy1(startnum:endnum,:);%%data为去除无声段的语音数据（分帧加窗后的）
%%===========短时傅里叶改换=============%%
newnumframe=endnum-startnum+1;
for num2=1:newnumframe
STFTdata1(num2,:)=abs(fft(data1(num2,:),framelen));
%SFTwindata1(num2,:)=abs(windata1(num2,:)*exp(-1j*2*pi/framelen*(0:255)*(0:255)));
end
%%=======对每帧求特征向量=========%%
jiange=4;%每四个点找一次频谱起伏最大值
for k=1:newnumframe
for kk=0:framelen/jiange-1
aa=jiange*kk+1;
bb=jiange*kk+jiange;
[maximum,ind]=max(STFTdata1(k,aa:bb));
tzvector(k,kk+1)=ind+jiange*kk;%%特征向量
end
end
avertzvector=sum(tzvector)/newnumframe;%语音帧均匀特征矢量
5. 子函数3——说话人承认子函数
输入测验语音，输出承认成果
function decisionf(S,TZV,DTH,nn,K)
%判定子函数，输入说话人语音S，模板特征向量矩阵TZV，模板判定门限DTH，说话人数N，特征向量长度K;输出判定成果
avtzvS=tzhvf(S);%%调用子函数tzhvf提取该语音信息的特征矢量
if (TZV(nn,:)-avtzvS)*(TZV(nn,:)-avtzvS)/K=DTH(nn)
disp(Yes.);
else
disp(No.);
end
6．子函数4——说话人辨认子函数
输入测验语音，输出辨认成果
function identify(S,TZV,N,K)
%判定子函数，输入说话人语音S，模板特征向量矩阵TZV，模板判定门限DTH，说话人数N，特征向量长度K;输出判定成果
avtzvS=tzhvf(S);%%调用子函数tzhvf提取该语音信息的特征矢量
for nn=1:N
distance(nn)=(TZV(nn,:)-avtzvS)*(TZV(nn,:)-avtzvS)/K;
end
[~,snum]=min(distance);
fprintf(The speaker is %d\n,snum);
