對話語音中的目標(biāo)說話人檢測和定位.pdf

1、　　本文主要研究在對話語音中檢測目標(biāo)說話人，并定位目標(biāo)說話人語音的問題。目標(biāo)說話人檢測，是指在一段多個人連續(xù)說話的對話語音中判斷目標(biāo)說話人是否出現(xiàn)；目標(biāo)說話人定位，是指在目標(biāo)說話人檢測的基礎(chǔ)上，當(dāng)檢測到目標(biāo)說話人在對話語音中出現(xiàn)時，對目標(biāo)說話人在對話語音中出現(xiàn)的具體的時間段進(jìn)行估計。本文的研究基于事先已經(jīng)知道目標(biāo)說話人這樣一個前提?！　∧壳?，對話語音中的目標(biāo)說話人檢測和定位問題，主要是采用以下方法來解決。首先，檢測出對話語音中的說話人

2、跳變點，將不同說話人的語音分割開來；然后，對分割后的語音段進(jìn)行說話人聚類處理；最后，使用單個說話人識別技術(shù)在對話語音中識別出目標(biāo)說話人的語音，從而達(dá)到在對話語音中檢測和定位目標(biāo)說話人的目的。我們將這種基于說話人的語音分割、聚類以及說話人識別的方法稱為硬分割。本文在研究和總結(jié)前人成果的基礎(chǔ)上，針對硬分割的缺陷，結(jié)合實際情況，提出了單幀對數(shù)似然比算法。相對于硬分割，本文將這種基于單幀對數(shù)似然比算法進(jìn)行對話語音中的目標(biāo)說話人檢測和定位的方法稱

3、為軟分割。　　與硬分割相比，軟分割主要有以下幾個優(yōu)點：第一，充分利用了已知目標(biāo)說話人這個先驗知識，將目標(biāo)說話人檢測問題作為解決目標(biāo)說話人定位問題的前提和基礎(chǔ)，只有在對話語音中檢測到目標(biāo)說話人的情況下才進(jìn)行目標(biāo)說話人定位。因此，軟分割方法更為簡潔、高效。第二，在參與對話的說話人個數(shù)未知的情況下，由于不需要對對話語音進(jìn)行基于說話人跳變點的細(xì)致分割，因此在這種情況下軟分割仍然適用；而硬分割在這種情況下因無法進(jìn)行準(zhǔn)確的說話人聚類而不再適用。