基于支持向量數(shù)據(jù)描述的說(shuō)話人識(shí)別研究.pdf

1、說(shuō)話人識(shí)別技術(shù)由于其獨(dú)特的便利性、精確性和經(jīng)濟(jì)性,被認(rèn)為是最自然的生物認(rèn)證技術(shù),在安全監(jiān)控、司法鑒定、電子偵聽(tīng)、金融服務(wù)等方面都具有廣泛的應(yīng)用前景。當(dāng)前,說(shuō)話人識(shí)別系統(tǒng)開(kāi)發(fā)已逐漸從理論研究轉(zhuǎn)向?qū)嶋H應(yīng)用,對(duì)其要求也隨著應(yīng)用環(huán)境的變化而越來(lái)越高,不僅期望具有極高的識(shí)別率,還要具有較高的實(shí)時(shí)性。此外,系統(tǒng)構(gòu)建的便捷性、模型擴(kuò)展能力等都不容忽視。近十幾年來(lái),基于核函數(shù)的分類算法已成為模式識(shí)別領(lǐng)域的研究焦點(diǎn),它有效克服了傳統(tǒng)模式識(shí)別方法中局部極小

2、和非完全統(tǒng)計(jì)分析的缺點(diǎn),具有很強(qiáng)的非線性處理能力,而說(shuō)話人識(shí)別系統(tǒng)中輸入的語(yǔ)音特征參數(shù)正好是非線性的且局部特性復(fù)雜。因此,本文提出密度誘導(dǎo)型數(shù)據(jù)描述單類分類機(jī),將其應(yīng)用于說(shuō)話人識(shí)別時(shí)能夠獲得很好的效果。
　　 本文以小樣本語(yǔ)料庫(kù)為應(yīng)用對(duì)象,針對(duì)說(shuō)話天識(shí)別中的辨認(rèn)任務(wù),提出了具有較好的核分類方法。主要工作如下:
　　 (1)詳細(xì)介紹說(shuō)話人識(shí)別中應(yīng)用最為廣泛的兩類特征參數(shù)LPCC和MFCC以及他們的提取過(guò)程和方法。
　

3、　 (2)介紹了支持向量機(jī)的基本理論。經(jīng)典的支持向量機(jī)只支持二元分類的情況,我們借助“一對(duì)一”或“一對(duì)多”技術(shù)對(duì)其進(jìn)行多元擴(kuò)展并應(yīng)用于說(shuō)話人識(shí)別
　　 (3)將支持向量數(shù)據(jù)描述(SVDD)應(yīng)用于說(shuō)話人識(shí)別,SVDD在訓(xùn)練過(guò)程中只需單類樣本,可以勝任多分類任務(wù)。
　　 為適應(yīng)開(kāi)集辨認(rèn)任務(wù)提出了密度誘導(dǎo)型數(shù)據(jù)描述單類分類機(jī)(DISVDD),此算法以支持向量域描述(SVDD)算法為基礎(chǔ),通過(guò)一種簡(jiǎn)易的形式引入數(shù)據(jù)間密度因子,

4、使處于不同區(qū)域的數(shù)據(jù)對(duì)分類器的作用不再被同等對(duì)待,高密度區(qū)數(shù)據(jù)對(duì)分類支撐域的作用被強(qiáng)化,而低密區(qū)即呈零星分布的數(shù)據(jù)作用被削弱,結(jié)果使分類超球體自動(dòng)靠近數(shù)據(jù)高密區(qū)而提高其識(shí)別性能。說(shuō)話人辨認(rèn)實(shí)驗(yàn)結(jié)果表明,DISVDD模型的識(shí)別性能全面優(yōu)于GMM。
　　 (4)針對(duì)越來(lái)越多的場(chǎng)合需要利用生物識(shí)別技術(shù)來(lái)提高信息的安全性,本文將DISVDD應(yīng)用于聲紋鎖中,使用該算法可以在一定程度上提升系統(tǒng)的實(shí)時(shí)性及準(zhǔn)確率。
　　 (5)最后,對(duì)