基于動態(tài)MFCC的說話人識別研究.pdf

1、該文是作者于攻讀碩士學位期間在說話人識別方面所做研究工作的總結(jié).為了有效地抽取表征說話人身份的語音特征,該文根據(jù)MFCC和基音頻率各自從不同的側(cè)面反映了說話人身份的特點,提出一種基于基音頻率的動態(tài)MFCC特征提取方法.該文還討論了基于高斯混合模型(GMM,Gaussian mixture model)的分類器設(shè)計問題.高斯混合模型是說話人識別系統(tǒng)中常用的一種分類模型.一般情況下,用GMM進行統(tǒng)計建模的優(yōu)劣不僅取決于其參數(shù)值,還與模型結(jié)構(gòu)

2、密切相關(guān).特別地,當訓練的數(shù)據(jù)較少時,GMM模型結(jié)構(gòu)的選擇變得非常關(guān)鍵.而在實際系統(tǒng)中,可獲得的語音數(shù)據(jù)是有限的,使用預(yù)先確定的統(tǒng)一結(jié)構(gòu)會使部分GMM缺乏合適的結(jié)構(gòu)及相應(yīng)的參數(shù),導致系統(tǒng)的辨識性能下降.針對上述問題,該文提出在作期望最大化估計前,通過對不同說話人的訓練用特征矢量進行聚類分析,以解決有限訓練數(shù)據(jù)情況下說話人GMM模型混合度選擇、估計參數(shù)初始值選定等問題,獲得有效的GMM模型.實驗結(jié)果表明,論文中所提出的方法在實際中能夠獲得