基于ViterbI-GMM的文本提示型聲紋識別系統(tǒng)的研究及實現(xiàn).pdf

1、聲紋識別技術作為語音識別的一個分支正在蓬勃發(fā)展起來，開始應用于各行各業(yè)，越來越受到人們的重視。與傳統(tǒng)的身份認證技術相比，聲紋識別具有數(shù)據(jù)采集簡單，識別方便快捷等優(yōu)點，是最適合于遠程認證的生物識別技術。
　　目前，聲紋識別的方法多種多樣，性能也是各有特色。近些年，基于高斯混合模型和通用背景模型(GMM-UBM)的識別方法以其獨特的魯棒性，在眾多聲紋識別方法中脫穎而出。GMM-UBM系統(tǒng)既能在文本無關聲紋識別中發(fā)揮出色，又能在文本相關

2、的識別中表現(xiàn)良好，為不少應用研究者所采用。與此同時，錄音回放攻擊也一直是聲紋識別技術的一大安全隱患，GMM-UBM系統(tǒng)也不斷受到來自錄音冒充者的困擾。為此，本文在GMM-UBM系統(tǒng)的基礎上提出一種文本提示型的方法來克服這一難題。
　　本文描述的文本提示型系統(tǒng)不同于以往的訓練大量文本集的策略，也不是自適應有限聲學基元模型的方法，而是通過訓練隨機文本的語句模型達到近似于文本相關的識別方法。在這個文本提示型的系統(tǒng)中，隨機文本的語句模型無

3、法直接獲取，本文采用Viterbi切分語音的方法，從順序結構的語音中分離出每個字的語音片段，在語音波形這層將其拼接獲得語音句子，將其訓練后得到該句子模型，識別時就類似于文本相關的方法。盡管拼接得到的語音句子不夠自然，但因文本內容選擇的都是漢語數(shù)字，語義原本就比較孤立，建立的整體模型并無多少影響，識別性能依然卓越。
　　在系統(tǒng)性能改進方面，本文從兩方面進行著手。首先在MFCC特征參數(shù)提取上，利用倒譜均值減(CMS)和倒譜方差歸一(C