情感說話人識別及其解決方法的研究.pdf

1、說話人識別技術(shù)是使用語音中所包含的說話人特有的個性信息為生物特征，自動進(jìn)行身份識別的過程。它被認(rèn)為是最自然的和最經(jīng)濟(jì)的生物認(rèn)證技術(shù)，具有廣泛的應(yīng)用前景。傳統(tǒng)的說話人識別系統(tǒng)在訓(xùn)練和測試語料都為中性語音的時候，已獲得了非常出色的識別性能。然而，當(dāng)用戶提供的語料包含不同情感類型的語音時，由于說話人情感狀態(tài)改變引起的發(fā)音方式的變化，導(dǎo)致訓(xùn)練和測試語音的特征分布不匹配，使得基于傳統(tǒng)的說話人識別方法的系統(tǒng)性能急劇下降，我們把這種測試或訓(xùn)練語料中包

2、含情感語音的說話人識別稱為情感說話人識別。在研究了情感說話人識別技術(shù)最新進(jìn)展和情感因素影響的基礎(chǔ)上，本文緊緊圍繞如何提高訓(xùn)練語音和測試語音之間的匹配程度這個問題，從情感拓展和情感屏蔽角度給出了有效的關(guān)鍵算法，構(gòu)建了情感說話人識別系統(tǒng)的解決方案。本文的主要貢獻(xiàn)總結(jié)如下：
　　 ⑴深入分析了情感因素對說話人識別系統(tǒng)的影響。分析了情感因素對基頻和頻譜分布的影響；分析了不同情感語音在特征層和模型層上對說話人個性信息的影響；分析了人耳對情

3、感因素的魯棒性；分析真實(shí)環(huán)境中情感因素影響存在的普遍性；分析了情感因素對說話人識別系統(tǒng)性能的影響。
　　 ⑵研究了基于通道補(bǔ)償?shù)那楦幸?guī)整方法。在分析了情感、噪音和通道三個問題之間異同的基礎(chǔ)上，發(fā)現(xiàn)解決通道噪音問題的很多思路和方法都可以應(yīng)用在情感說話人識別中。冗余屬性投影和隱藏因子分析是兩種提高通道魯棒性的方法，我們考察了其用于情感規(guī)整時的性能。
　　 ⑶提出了兩種基于中性情感模型轉(zhuǎn)換算法的情感拓展方法。實(shí)驗(yàn)驗(yàn)證了不同說話

4、人的情感表達(dá)方式是一致的這個假設(shè)的基礎(chǔ)上，提出了中性情感模型轉(zhuǎn)換方程，建立了中性模型和情感模型的轉(zhuǎn)換關(guān)系。提出了基于高斯分量和基于參數(shù)的方法來求解該轉(zhuǎn)換方程，通過它可以實(shí)現(xiàn)中性模型到情感模型的轉(zhuǎn)換，從而讓系統(tǒng)熟悉情感語音的分布。
　　 ⑷提出了一種基于頻譜平移的情感拓展方法。頻譜平移方法通過改變語音幀的功率譜來合成各種類型的情感語音。該方法和多狀態(tài)模型的結(jié)合使用，有利于提高系統(tǒng)的情感魯棒性。實(shí)驗(yàn)結(jié)果表明采用該方法合成的情感語音比

5、中性語音更接近說話人真實(shí)的情感語音。它的最大優(yōu)勢是能很方便的和傳統(tǒng)的說話人識別方法相結(jié)合，應(yīng)用到現(xiàn)有的說話人識別體系中。
　　 ⑸提出了一種基于得分選擇的情感屏蔽方法?；诘梅诌x擇的情感屏蔽方法適用于測試語音是情感和中性語音混合的情況。在分析了不同情感比率下說話人識別系統(tǒng)的表現(xiàn)后，文中給出了兩個結(jié)論：情感比率和識別性能成反比；中性特征在自身中性模型上的得分分布在較高的區(qū)域。以此為基礎(chǔ)，通過得分選擇的方法來剔除情感語音幀，降低測試