基于非線性理論和信息融合的說(shuō)話人識(shí)別.pdf

1、說(shuō)話人識(shí)別是一種生物特征識(shí)別技術(shù)，它是指機(jī)器通過(guò)說(shuō)話人的語(yǔ)音自動(dòng)識(shí)別出說(shuō)話人的身份。在信息接入服務(wù)安全控制、司法鑒定、金融服務(wù)、電子偵聽(tīng)和人機(jī)界面智能化等領(lǐng)域這項(xiàng)技術(shù)具有良好的應(yīng)用前景。說(shuō)話人識(shí)別主要經(jīng)過(guò)三個(gè)階段來(lái)實(shí)現(xiàn)——提取特征、建立說(shuō)話人模型、判決。特征提取階段是第一步，也是非常重要的一步。如果不能提取充分反映說(shuō)話人個(gè)性特征的特征量，后兩步的優(yōu)化就很難奏效?，F(xiàn)有特征提取方法大都是建立在把語(yǔ)音信號(hào)當(dāng)作短時(shí)平穩(wěn)信號(hào)的認(rèn)識(shí)基礎(chǔ)上的，這些特

2、征用于說(shuō)話人識(shí)別取得了較好的效果，但是人們?cè)谠O(shè)法進(jìn)一步提高系統(tǒng)的識(shí)別率和魯棒性時(shí)發(fā)現(xiàn)了它的局限性。針對(duì)這種情況，本文基于當(dāng)前非線性動(dòng)力的混沌、分形數(shù)學(xué)在許多物理現(xiàn)象特別是語(yǔ)音信號(hào)處理中的應(yīng)用，提出采用動(dòng)力系統(tǒng)模型分析語(yǔ)音信號(hào)，抽取混沌、分形特征描述語(yǔ)音信號(hào)，并且將這些特征應(yīng)用于說(shuō)話人識(shí)別，探討非線性參數(shù)區(qū)別不同人的聲音的有效性，以進(jìn)一步提高說(shuō)話人識(shí)別的正確識(shí)別率。 本文首先深入分析語(yǔ)音信號(hào)的混沌機(jī)理。由自相關(guān)函數(shù)確定延遲時(shí)間，用

3、虛假近鄰法確定嵌入維數(shù)，據(jù)此重構(gòu)相空間。根據(jù)實(shí)驗(yàn)數(shù)據(jù)計(jì)算漢語(yǔ)38個(gè)音素的最大Lyapunov指數(shù)，其數(shù)值均為正值，驗(yàn)證了語(yǔ)音信號(hào)的混沌性。在此基礎(chǔ)上研究非線性動(dòng)力學(xué)在說(shuō)話人識(shí)別中的應(yīng)用，取得的創(chuàng)新研究成果可歸納如下： (1)基于Kolomogorov熵和廣義維數(shù)、關(guān)聯(lián)維數(shù)之間的聯(lián)系，利用GP相關(guān)算法實(shí)現(xiàn)語(yǔ)音信號(hào)關(guān)聯(lián)維數(shù)的計(jì)算，并得到Kolomogorov熵和廣義維數(shù)的計(jì)算方法，使語(yǔ)音信號(hào)的各種非線性參數(shù)的計(jì)算統(tǒng)一起來(lái)。

4、(2)提出用廣義維數(shù)Dq為說(shuō)話人的特征參數(shù)，進(jìn)行說(shuō)話人識(shí)別。廣義維數(shù)作為多維矢量比其他研究成果中使用的單一的一維分形維數(shù)更詳細(xì)地描述了語(yǔ)音信號(hào)的非線性特性。在與文本無(wú)關(guān)的實(shí)驗(yàn)中，對(duì)Dq采用馬氏距離，并結(jié)合其一次差分和二次差分，明顯提高了說(shuō)話人辨認(rèn)的正確識(shí)別率，表明了廣義維數(shù)作為說(shuō)話認(rèn)識(shí)別特征的有效性。還進(jìn)一步討論短時(shí)幀長(zhǎng)度對(duì)估計(jì)Dq的影響，適當(dāng)增加幀長(zhǎng)使識(shí)別率得到提高。與采用傳統(tǒng)特征參數(shù)的說(shuō)話人識(shí)別進(jìn)行了對(duì)比實(shí)驗(yàn)，顯示出廣義維數(shù)能夠區(qū)分

5、不同的說(shuō)話人，可與傳統(tǒng)參數(shù)結(jié)合起來(lái)共同完成識(shí)別任務(wù)。 (3)將混沌分形參數(shù)與傳統(tǒng)的線性模型參數(shù)融合起來(lái)，共同作為說(shuō)話人的特征。提出兩種在特征層將非線性特征與MFCC特征融合的方法：構(gòu)建高維矢量法的融合和構(gòu)建復(fù)數(shù)矢量法的融合實(shí)現(xiàn)。在測(cè)試時(shí)間較短的情況下，兩者均有效地改善了系統(tǒng)性能，較大幅度地提高了識(shí)別率。 (4)提出兩種在決策層將非線性特征與MFCC特征融合的方法：串聯(lián)和并聯(lián)融合方法，有效地吸取了各種方法的優(yōu)點(diǎn)，充分體現(xiàn)了

6、非線性特征對(duì)MFCC特征的補(bǔ)充描述，明顯提高了說(shuō)話人識(shí)別系統(tǒng)的性能。 本文提出的基于非線性理論的說(shuō)話人識(shí)別方法綜合運(yùn)用了語(yǔ)音信號(hào)的混沌、分形特性，在基于文本和文本無(wú)關(guān)的說(shuō)話人識(shí)別實(shí)驗(yàn)中顯示出分形參數(shù)區(qū)分不同的說(shuō)話人的有效性。結(jié)合信息融合技術(shù)，在MFCC與非線性特征特征分別為第一級(jí)和第二級(jí)特征的串聯(lián)結(jié)構(gòu)中，非線性特征的判決能部分地糾正使用MFCC做出的錯(cuò)誤的判決。在測(cè)試時(shí)間較短的情況下，串聯(lián)結(jié)構(gòu)比單獨(dú)采用MFCC提高10％左右，識(shí)