說話人識(shí)別魯棒性研究.pdf

1、隨著說話人識(shí)別技術(shù)的發(fā)展，說話人識(shí)別系統(tǒng)的性能已經(jīng)達(dá)到實(shí)用的水平，例如在2010年NIST的說話人識(shí)別評(píng)測(cè)中，核心測(cè)試的等錯(cuò)誤率達(dá)到1％左右。然而在實(shí)用環(huán)境中，說話人識(shí)別系統(tǒng)將會(huì)面臨各種復(fù)雜的魯棒性問題，例如復(fù)雜的信道和環(huán)境噪聲，說話人年齡、情緒等自身因素的變化，以及冒認(rèn)者語音是合成語音的情況。本文主要針對(duì)說話人識(shí)別的噪聲魯棒性問題以及合成語音魯棒性問題展開研究，具體內(nèi)容如下：
　　 關(guān)于噪聲魯棒性問題，本文首先對(duì)信號(hào)域、特征域

2、和模型域的經(jīng)典噪聲魯棒性方法進(jìn)行調(diào)研。其中信號(hào)域采用基于MMSE_LSA的語音增強(qiáng)算法；特征域采用特征高斯化和相對(duì)頻譜濾波；模型域則是采用多樣訓(xùn)練。通過觀察以上方法在多種噪聲環(huán)境下的性能，本文較為全面地分析了不同噪聲魯棒性方法的特點(diǎn)，并驗(yàn)證了相應(yīng)融合策略的有效性。在完成對(duì)不同域魯棒性方法調(diào)研的基礎(chǔ)上，本文將丟失特征理論引入說話人識(shí)別系統(tǒng)，并且提出相應(yīng)的改進(jìn)方法：第一，將丟失特征理論中的重建模型與說話人識(shí)別系統(tǒng)中的通用背景模型進(jìn)行綁定，一

3、定程度上使得重建特征與后端模型匹配；第二，利用線性譜域和對(duì)數(shù)mel濾波器輸出域的互補(bǔ)性，對(duì)語音的丟失特征進(jìn)行更加準(zhǔn)確的二次重建;第三，采用不確定度解碼方法，將重建特征的不確定度傳播到得分域。實(shí)驗(yàn)表明，以上提出的改進(jìn)方法對(duì)系統(tǒng)性能有一定的提升作用。
　　 關(guān)于合成語音魯棒性問題，本文的目標(biāo)是構(gòu)建自然語音與合成語音區(qū)分系統(tǒng)，從而保證說話人識(shí)別系統(tǒng)不會(huì)將合成語音冒認(rèn)者錯(cuò)誤接受為目標(biāo)說話人。本文首先根據(jù)自然語音與合成語音在mel倒譜統(tǒng)計(jì)