多說(shuō)話人識(shí)別技術(shù)研究.pdf

1、多說(shuō)話人識(shí)別是一種能夠自動(dòng)地從一組音頻文件中找到所需特定說(shuō)話人語(yǔ)音的技術(shù)。和傳統(tǒng)的說(shuō)話人識(shí)別技術(shù)相比，多說(shuō)話人識(shí)別技術(shù)不僅能識(shí)別出誰(shuí)在說(shuō)話，而且能識(shí)別出每個(gè)人在什么時(shí)候說(shuō)話。它是說(shuō)話人識(shí)別技術(shù)的一種延伸。本文研究了多說(shuō)話人識(shí)別技術(shù)，主要包括以下幾個(gè)方面：
　　一、針對(duì)基于貝葉斯信息準(zhǔn)則（BIC）的說(shuō)話人分割算法對(duì)語(yǔ)音信號(hào)的分布估計(jì)較粗糙的缺點(diǎn)，通過(guò)對(duì)特征矢量聚類并用多個(gè)高斯分布表示，提出一種改進(jìn)的BIC距離，并與一般化似然比（GL

2、R）等其它幾種算法相結(jié)合，得到一種基于改進(jìn)BIC距離的兩層次說(shuō)話人分割算法。仿真結(jié)果表明，與傳統(tǒng)的BIC分割算法相比，基于改進(jìn)BIC距離的兩層次分割算法減少了說(shuō)話人轉(zhuǎn)變點(diǎn)的錯(cuò)檢率，提高了綜合性能測(cè)度。
　　二、將高斯混合模型（GMM）和BIC相結(jié)合，提出一種新的說(shuō)話人聚類算法。該算法利用GMM可以逼近任意概率密度函數(shù)，對(duì)較短語(yǔ)音建模效果優(yōu)于單個(gè)高斯分布，解決了基于BIC的說(shuō)話人聚類算法在處理較短語(yǔ)音片段（小于5秒）時(shí)的正確率較低的

3、問(wèn)題。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的基于BIC的聚類算法相比，基于GMM和BIC結(jié)合的說(shuō)話人聚類算法對(duì)小于5秒的語(yǔ)音片段的正確率有較大提高。
　　三、研究基于 GMM和基于支持向量機(jī)（SVM）的說(shuō)話人識(shí)別方法，通過(guò)仿真實(shí)驗(yàn)比較線性預(yù)測(cè)倒譜系數(shù)（LPCC）與美爾倒譜系數(shù)（MFCC）等特征參數(shù)、高斯混合模型的階數(shù)及核函數(shù)等因素對(duì)識(shí)別性能的影響，結(jié)果表明核函數(shù)對(duì)SVM說(shuō)話人識(shí)別方法的性能影響較大，另外，采用MFCC特征參數(shù)、大的模型階數(shù)、較長(zhǎng)的