基于韻律特征的GMM-UBM的說話人確認(rèn)研究.pdf

1、文本無關(guān)的說話人識(shí)別是目前語音信號(hào)處理的一個(gè)重要研究方向，其廣泛的應(yīng)用于公安、軍隊(duì)、金融等領(lǐng)域的身份驗(yàn)證和信息檢索，使得說話人識(shí)別技術(shù)在全世界各研究機(jī)構(gòu)的努力下不斷發(fā)展和革新。為了考察語音技術(shù)的最新研究和發(fā)展水平，美國國家標(biāo)準(zhǔn)技術(shù)委員會(huì)(NIST)于1996年開始組織了說話人識(shí)別的評(píng)測(cè)，NIST也代表了全世界說話人識(shí)別領(lǐng)域的最高水平。它設(shè)立了多個(gè)評(píng)測(cè)任務(wù)，并為每個(gè)參賽單位提供了統(tǒng)一的多通道和多環(huán)境的電話和廣播語音、測(cè)試規(guī)則和標(biāo)準(zhǔn)，用于研

2、究不同環(huán)境和條件下的語音技術(shù)的研究方法。在NIST SRE中，用長語音進(jìn)行說話人識(shí)別是說話人識(shí)別任務(wù)的一個(gè)子任務(wù)，就是為了研究如何用語音信號(hào)中的高層信息經(jīng)行話者確認(rèn)而設(shè)置的。
　　除了我們常用的梅爾倒譜特征參數(shù)MFCC，語音中的高層特征參數(shù)也是一種用于說話人識(shí)別的有效特征參數(shù)，但其往往是與文本內(nèi)容有關(guān)的，因此如何從語音信號(hào)中提取出文本無關(guān)的高層特征參數(shù)用于說話人識(shí)別是目前研究的焦點(diǎn)。本文在如何提取韻律特征的參數(shù)及結(jié)合高斯混合模型用

3、于說話人識(shí)別進(jìn)行了探討。
　　針對(duì)上述問題，本文所做的工作主要有以下3點(diǎn):
　　(1)本文首先詳細(xì)介紹了常用的基頻提取方法:自相關(guān)函數(shù)法、循環(huán)幅值差分函數(shù)法、倒譜法，通過實(shí)驗(yàn)，研究了基頻提取的正確率對(duì)基于超音段韻律特征參數(shù)的說話人識(shí)別系統(tǒng)性能有較大影響，并提出了改進(jìn)的基于循環(huán)幅值差函數(shù)法和倒譜法的方法，對(duì)這四種方法經(jīng)行了實(shí)驗(yàn)對(duì)比。通過實(shí)驗(yàn)驗(yàn)證，各項(xiàng)指標(biāo)包括均方根誤差，基頻正確率和嚴(yán)重錯(cuò)誤率表明，改進(jìn)的基于循環(huán)幅值差函數(shù)法和倒

4、譜法的方法，也即是本文的方法比其他三種中任何一種要好。
　　(2)本文通過實(shí)驗(yàn)說明了不同的說話人超音段韻律特征分布的差異，并根據(jù)這種差異，構(gòu)建了基于超音段韻律特征的高層說話人特征參數(shù)。結(jié)合經(jīng)典的GMM-UBM-MAP的識(shí)別模型，搭建了基于超音段韻律特征參數(shù)的說話人識(shí)別系統(tǒng)，通過實(shí)驗(yàn)，該系統(tǒng)單獨(dú)用于說話人識(shí)別的等誤識(shí)率EER達(dá)到17.77％。
　　(3)短時(shí)特征參數(shù)MFCC反映了說話人的聲道特征，而超音段韻律特征參數(shù)以基頻為主