說話人識別技術(shù)中的判別性模型與環(huán)境補(bǔ)償方法研究.pdf

1、說話人識別技術(shù)是一種通過語音自動識別說話人身份的生物識別技術(shù)，具有實(shí)現(xiàn)簡便、經(jīng)濟(jì)和擴(kuò)展性強(qiáng)等優(yōu)點(diǎn)，在信息服務(wù)、安全保障、國防軍事、公安司法和醫(yī)學(xué)應(yīng)用等領(lǐng)域有著廣闊的應(yīng)用前景，是語音信號處理和生物特征識別領(lǐng)域的重點(diǎn)研究方向。
　　 說話人識別技術(shù)雖然在實(shí)驗(yàn)室環(huán)境取得了較大成功，但由于說話人特征的復(fù)雜性和實(shí)際應(yīng)用環(huán)境的多樣性，其性能尚不能滿足廣泛應(yīng)用的需求。制約說話人識別技術(shù)應(yīng)用的因素包括:對訓(xùn)練數(shù)據(jù)量依賴較高，識別速度慢，環(huán)境魯棒

2、性差等。本文主要從分類模型和環(huán)境失配補(bǔ)償兩個(gè)方面對說話人識別技術(shù)進(jìn)行了研究，主要的研究內(nèi)容如下:
　　 1)深入研究了說話人識別技術(shù)中的特征提取算法和識別模型，并分別比較了常用方法的優(yōu)缺點(diǎn)。在實(shí)驗(yàn)基礎(chǔ)上重點(diǎn)分析了識別模型中的最大后驗(yàn)高斯混合模型(GMMMAP)，實(shí)驗(yàn)結(jié)果表明基于GMMMAP的說話人識別系統(tǒng)具有較好的性能，因此將其作為后續(xù)實(shí)驗(yàn)的比較對象，并進(jìn)一步研究其補(bǔ)償算法。
　　 2)提出了一種基于最大后驗(yàn)矢量量化模型

3、的AdaBoost分類算法(VQMB)，解決了傳統(tǒng)說話人識別模型在應(yīng)用AdaBoost算法后容易過學(xué)習(xí)且識別速度較慢的問題。一方面，通過實(shí)驗(yàn)分別討論了基分類器胞腔數(shù)、說話人數(shù)以及訓(xùn)練數(shù)據(jù)量對系統(tǒng)性能的影響，并在此基礎(chǔ)上通過改變基分類器胞腔數(shù)來解決AdaBoost算法的過學(xué)習(xí)問題。另一方面，通過VQMB算法的識別速度實(shí)驗(yàn)論證了AdaBoost算法的識別速度正比于迭代次數(shù)、基分類器胞腔數(shù)以及距離計(jì)算量，提出了通過采用模版模型作為基分類器來加

4、快AdaBoost算法識別速度的方法。實(shí)驗(yàn)結(jié)果表明，與常用生成性模型算法相比，本算法具有所需訓(xùn)練數(shù)據(jù)少、識別速度快的優(yōu)點(diǎn)。
　　 3)深入研究了說話人識別技術(shù)中常用環(huán)境補(bǔ)償算法的優(yōu)缺點(diǎn)及其在說話人識別中的適用性，重點(diǎn)分析了基于矢量泰勒級數(shù)(VTS)的特征補(bǔ)償算法和模型自適應(yīng)算法。分析結(jié)果表明，基于VTS的環(huán)境補(bǔ)償算法可同時(shí)補(bǔ)償卷積噪聲和加性噪聲，但只能處理兩類噪聲的對數(shù)譜域均值，這在信道和背景噪聲變化較大的說話人識別應(yīng)用中，無法

5、有效補(bǔ)償環(huán)境失配，因此進(jìn)一步研究其改進(jìn)算法。
　　 4)基于VTS算法提出了可更新卷積噪聲方差的環(huán)境補(bǔ)償算法，解決了說話人識別系統(tǒng)應(yīng)用中卷積噪聲變化較大以及卷積噪聲和加性噪聲同時(shí)失配的問題。算法在矢量泰勒級數(shù)展開的基礎(chǔ)上，給出了卷積噪聲方差的近似閉式解，構(gòu)建了聯(lián)合快速估計(jì)卷積噪聲和加性噪聲均值和方差的框架，并將其分別用于特征域和模型域的補(bǔ)償。實(shí)驗(yàn)結(jié)果表明，本算法對卷積噪聲方差的估計(jì)收斂速度快，所需自適應(yīng)數(shù)據(jù)較少;可以有效降低卷積

6、噪聲和加性噪聲同時(shí)失配的影響，特別適合于信道變化較大的失配環(huán)境補(bǔ)償;基于VTS的模型自適應(yīng)算法性能優(yōu)于基于VTS的特征補(bǔ)償算法，在低信噪比條件下尤為明顯，因此進(jìn)一步研究了其對失配訓(xùn)練環(huán)境的補(bǔ)償。
　　 5)分別提出了基于最大似然線性回歸(MLLR)和基于VTS的環(huán)境自適應(yīng)訓(xùn)練算法，解決了說話人識別系統(tǒng)實(shí)際應(yīng)用中純凈訓(xùn)練語音不易獲取的問題。算法利用模型自適應(yīng)算法從失配訓(xùn)練語音中估計(jì)失配訓(xùn)練環(huán)境信息，再使用該信息對失配環(huán)境下的說話人