說話人檢索系統(tǒng)的研究與實現(xiàn).pdf

1、隨著信息技術(shù)的發(fā)展，人們已經(jīng)積累了大量的語音資料，如新聞錄音、會議錄音記錄和電話錄音等。如何在這些語音資料中檢索出用戶需要的語音片段或內(nèi)容信息，是語音文檔檢索技術(shù)重點研究的內(nèi)容。說話人檢索是一項重要的語音文檔檢索技術(shù)，它在一段有多人交替發(fā)言的語音中，搜索出目標(biāo)人的語音片段，主要應(yīng)用于語音材料的檢索整理和電話對話犯罪嫌疑人追蹤等領(lǐng)域。
　　 本文實現(xiàn)的說話人檢索系統(tǒng)主要由特征提取、說話人分割和說話人確認(rèn)3個部分組成。對于每部分，本

2、文分別用2種方案實現(xiàn)，最后，通過實驗研究并比較各種方案的性能。具體工作如下：
　　 (1)分別提取了語音的線性預(yù)測倒譜系數(shù)(LPCC)和梅爾頻率倒譜系數(shù)(MFCC)作為說話人特征參數(shù)。
　　 (2)實現(xiàn)了基于KL2距離的說話人分割。實現(xiàn)了基于貝葉斯信息判據(jù)(BIC)的說話人分割，并使用可變窗長的預(yù)分割方法，在保證性能的前提下降低了運算量。
　　 (3)實現(xiàn)了基于矢量量化(VQ)的說話人確認(rèn)。實現(xiàn)了基于高斯混合-全