魯棒的與文本無關(guān)的說話人識別算法的研究.pdf

1、說話人識別技術(shù)與其他生物識別技術(shù)相比，具有更為簡便、經(jīng)濟(jì)和更好的可擴(kuò)展性等優(yōu)點(diǎn)。目前的說話人識別系統(tǒng)對純凈語音已經(jīng)可以達(dá)到很高的識別精度，但當(dāng)用于識別的語音存在失真時，系統(tǒng)的識別性能顯著下降。實(shí)際應(yīng)用中造成語音失真的因素非常多。因此，提高識別系統(tǒng)的魯棒性是說話人識別技術(shù)走向?qū)嵱没年P(guān)鍵。本文從魯棒性特征分析提取和優(yōu)選、噪聲失真補(bǔ)償、說話人預(yù)分類等幾個方面展開研究，提出了改進(jìn)算法，取得了一些研究成果。 本文在介紹說話人識別中常用的

2、語音特征參數(shù)和典型的說話人分類模型的基礎(chǔ)上，特別分析了感知線性預(yù)測倒譜系數(shù)(PLPCC)參數(shù)的特點(diǎn)和提取方法，比較了幾種參數(shù)在與文本無關(guān)的說話人識別中的性能，得到了基于PLPCC語音特征參數(shù)和高斯混合模型(GMM)的系統(tǒng)具有更好的性能的結(jié)果。并根據(jù)GMM和人工神經(jīng)網(wǎng)絡(luò)(ANN)模型的特點(diǎn)，提出了一種基于ANN和GMM模型聯(lián)合得分判別的識別方法，在一定程度上提高了識別性能。 在分析和研究基音同步分析方法和鑒別性特征參數(shù)選取方法的基

3、礎(chǔ)上，提出了基于語音基音同步分析特征參數(shù)提取和Fisher比特征參數(shù)矢量分量優(yōu)選降維的說話人識別算法。該算法采用基音同步分析方法提取各幀語音的PLPCC及其ΔAPLPCC特征參數(shù)，再利用Fisher比對由基音P、12階PLPCC和ΔPLPCC組成的特征參數(shù)矢量的各維分量進(jìn)行優(yōu)選，使最終的特征參數(shù)矢量得到降維。與文本無關(guān)的閉集說話人識別仿真實(shí)驗(yàn)表明：語音基音同步分析特征參數(shù)提取和Fisher比特征參數(shù)矢量分量優(yōu)選降維可以提高識別系統(tǒng)性能；

4、本算法與通常的算法相比，其識別率和魯棒性得到了提高，而有效降低了模型的復(fù)雜度。 訓(xùn)練條件與測試條件的不匹配是導(dǎo)致說話人識別系統(tǒng)性能下降的一個重要原因，而噪聲是引起這種失配的主要因素之一。提高系統(tǒng)在噪聲環(huán)境下的性能的一個重要方法就是對噪聲進(jìn)行補(bǔ)償，使失配減小。本文在仔細(xì)分析短時語音頻譜結(jié)構(gòu)特征的基礎(chǔ)上，提出了一個基于濁音語音諧波頻譜子帶加權(quán)重建的抗噪聲說話人識別算法。該算法針對濁音語音諧波頻譜結(jié)構(gòu)的特征，對受噪聲污染的濁音頻譜在各

5、個諧波帶上根據(jù)信號能量和譜平坦度測度實(shí)施加權(quán)重建，然后基于重建的濁音頻譜提取相應(yīng)的PLPCC參數(shù)，在參數(shù)域上實(shí)現(xiàn)對噪聲的補(bǔ)償。仿真結(jié)果表明，該算法可以對多種類型的含噪語音進(jìn)行良好的噪聲補(bǔ)償，明顯提高在噪聲環(huán)境下的說話人識別率，特別是低SNR環(huán)境下的識別率，噪聲補(bǔ)償性能明顯優(yōu)于譜減法和倒譜均值相減法的補(bǔ)償方法。 語音的基音特征也是一種具有一定魯棒性的語音特征參數(shù)。本文研究了基音提取方法及其在說話人識別中的應(yīng)用。在分析已有的基音檢測

6、算法的基礎(chǔ)上，本文提出了兒種改進(jìn)的基音檢測算法：(1)基于倒譜修正模型的語音基音檢測算法，(2)改進(jìn)的平均幅度差函數(shù)語音基音檢測算法，(3)基于小波變換的含噪語音基音檢測的改進(jìn)算法。實(shí)驗(yàn)結(jié)果表明，本文提山的改進(jìn)算法與對應(yīng)的基本算法及其相關(guān)改進(jìn)算法相比，基音檢測精度特別是在噪聲環(huán)境卜的基音檢測精度有了不同程度的提高。另外，基音在說話人識別中應(yīng)用的仿真結(jié)果也表明：基音與倒譜類特征參數(shù)PLPCC、MFCC、LPCC的組合應(yīng)用，可以提高識別系統(tǒng)