基于高斯混合模型的與文本無關(guān)閉集說話人辨認研究.pdf

1、基于生物特征的身份識別技術(shù)是當前國際上的重點研究內(nèi)容，自動說話人識別通過語音識別說話人的身份，由于其信息來源獲取的簡單性，其在系統(tǒng)安全認證、司法鑒定、金融服務(wù)以及電子偵聽等領(lǐng)域有著廣泛的應(yīng)用價值。說話人識別包括說話人辨認和說話人確認2個方面，本文專注于在干凈語音、閉集、與文本無關(guān)條件下，對普通話的注冊用戶做說話人辨認研究。 整個說話人辨認系統(tǒng)主要由特征提取、模型生成和判據(jù)生成3種功能模塊組成，目前，研究者們公認的最具代表性的說話

2、人辨認系統(tǒng)為：采用美爾倒譜系數(shù)(MFCC)作為特征矢量；采用高斯混合模型(GMM)為注冊者參數(shù)模型；采用貝葉斯判據(jù)為判據(jù)生成方式。研究的重點是對說話人辨認中最常用的注冊者參數(shù)模型GMM的改進。 本文的主要研究內(nèi)容如下：一、提出了一種GMM的改進模型：時間－空間分布模型(TSDM)。相對于只包含特征矢量空間分布信息的GMM模型，TSDM能在空間分布信息的基礎(chǔ)上引入一定程度特征矢量間在時間上的統(tǒng)計聯(lián)系，將時間信息和空間信息融合到一起

3、，從而提高了說話人辨認系統(tǒng)的識別率。同時，仿效GMM的判據(jù)生成過程，提出了一套TSDM相應(yīng)的判據(jù)生成方法。 二、提出了一種“改進的分維GMM”(MIDGMM)訓(xùn)練的方法。通過去相關(guān)和根據(jù)離散直方圖中峰的個數(shù)決定“分維GMM”訓(xùn)練時混合分量的個數(shù)，該方法能在大幅提高訓(xùn)練速度和緩解“維數(shù)災(zāi)難”的基礎(chǔ)上相對于傳統(tǒng)GMM保持甚至提高識別性能。 三、為了“改進的分維GMM”算法中去相關(guān)的需要，提出了一種基于Schmidit正交化的