支持向量機(jī)在說話人識別中的應(yīng)用研究.pdf

1、說話人識別是根據(jù)語音波形中反映說話人生理和行為特征的語音參數(shù)，自動識別出說話人的過程，它是語音信號處理的一個重要研究方向，作為一種生物認(rèn)證技術(shù)，具有廣泛的應(yīng)用前景，得到人們越來越多的研究。 支持向量機(jī)是在統(tǒng)計學(xué)習(xí)理論上發(fā)展出來的一種模式識別方法，在解決有限樣本、非線性及高維模式識別問題中表現(xiàn)出許多特有的優(yōu)勢，同其他模式識別方法相比主要有兩個不同點：一是它采用一個非線性核函數(shù)來表示特征空間的內(nèi)積，另外它采用分類間隔最大的最優(yōu)分

2、類超平面實現(xiàn)結(jié)構(gòu)風(fēng)險最小化原則。由于支持向量機(jī)具有堅實的理論基礎(chǔ)，得到越來越多的人們研究，并在各個領(lǐng)域中得到廣泛應(yīng)用。 本文采用支持向量機(jī)對說話人進(jìn)行建模，以文本無關(guān)說話人識別為主要研究內(nèi)容，分別從基于幀向量的說話人支持向量機(jī)模型、支持向量機(jī)混合模型、基于語句的說話人支持向量機(jī)模型和基于通用背景模型的說話人支持向量機(jī)模型進(jìn)行深入的研究。 論文深入分析了基于幀的說話人支持向量機(jī)模型中各個方面對識別性能的影響。說話人識別中普

3、遍流行的方法都是使用基于幀的方法，其建模過程一般是使用模型來描述個人語音幀數(shù)據(jù)的空間分布狀況，比如矢量量化模型(vQ)、高斯混合模型(GMM)等等。采用支持向量機(jī)來描述個人語音特征的分布時，其輸入是說話人的語音幀向量。由于訓(xùn)練支持向量機(jī)需要解決一個二次規(guī)劃問題，一般采用聚類的方法來選擇出一些代表性的樣本作為支持向量機(jī)的輸入進(jìn)行訓(xùn)練。論文分別從選擇樣本方法、樣本集大小、樣本集權(quán)重、樣本得分方式、支持向量機(jī)核函數(shù)、支持向量機(jī)多類分類，支持向

4、量機(jī)概率輸出等方面進(jìn)行深入研究。 論文針對說話人語音數(shù)據(jù)的大規(guī)模性和支持向量機(jī)解決二次規(guī)劃問題之間的矛盾，提出基于專家混合和基于迭代訓(xùn)練的支持向量機(jī)混合模型用于說話人識別。集成學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域的一個熱門方向，Boosting集成學(xué)>-j算法和專家混合算法是人們常用的兩種算法，借鑒這兩種算法思想并具體結(jié)合說話人識別的特殊性，分別提出基于迭代訓(xùn)練的支持向量機(jī)混合模型和基于專家混合的支持向量機(jī)模型。同時，對于混合得分組合方式，借鑒V

5、Q模型和GMM模型的得分計算思想，分別提出基于距離的計算方式和基于概率的計算方式。 論文根據(jù)傳統(tǒng)的矢量量化模型和高斯混合模型，提出一類采用偏差信息構(gòu)造的核函數(shù)用于說話人識別。根據(jù)矢量量化模型中計算得分的方式，利用最小距離碼本向量將一個幀向量映射到一個矩陣上，然后累計一條語句中所有語句幀的映射矩陣便得到一個語句的映射矩陣，將這個映射后的矩陣直接展開為一維向量并作為支持向量機(jī)的輸入進(jìn)行說話人識別。進(jìn)一步將基于VQ模型的偏差核擴(kuò)展到G

6、MM模型上，利用GMM模型中各個高斯分布的均值作為碼本，并同時采用概率密度計算替代VQ模型中的歐氏距離計算，采用高斯分布的方差將幀向量與均值的差進(jìn)行規(guī)整，這樣便構(gòu)造了基于GMM模型的偏差核函數(shù)。它比前面的VQ核函數(shù)在性能上有較明顯的提高，且優(yōu)于傳統(tǒng)的GMM模型。 論文根據(jù)通用背景模型代表著說話人無關(guān)的語音特征的空間分布這一特性，將其與支持向量機(jī)結(jié)合構(gòu)造出一類新的UBM／SVM模型。Anchor模型是說話人檢索和說話

7、人確認(rèn)中使用較廣泛的一個模型，我們借鑒其建立Anchor空間的思想，利用通用背景模型里面各個高斯分布建立一個公用的參考空間，然后將一條語句映射為這個參考空間的一個點，參考空間坐標(biāo)系采用兩種方式進(jìn)行構(gòu)造：一種是基于分布權(quán)重的坐標(biāo)系，另外一種是基于分布中心距離的坐標(biāo)系。從另一方面來看，這種建立坐標(biāo)的方法也可以看作是將長度不一樣的語句映射到一個固定大小的向量，這與基于語句的支持向量機(jī)模型思想有共同之處。由于UBM／SVM模型采用一個公共的說話