噪聲環(huán)境中說話人識別魯棒性研究.pdf

1、說話人識別技術(shù)因其獨特的方便性、經(jīng)濟性和準(zhǔn)確性，在生物特征識別領(lǐng)域中具有廣闊的應(yīng)用前景?，F(xiàn)有的說話人識別技術(shù)在理想條件下效果很好，但在實際環(huán)境中卻由于各種因素的影響，識別效果明顯下降。因此如何提高識別系統(tǒng)的魯棒性已經(jīng)成為本領(lǐng)域的研究熱點。 說話人識別系統(tǒng)的魯棒性問題涉及系統(tǒng)的各個部分。本文從語音傳輸過程中的丟包補償、訓(xùn)練數(shù)據(jù)不足和噪聲下的說話人建模技術(shù)等幾個方面進行了研究，取得了以下進展： 1．提出了一種基于lagran

2、gian插值的分組恢復(fù)方法。這種補償方法在丟包率較小，且不是連續(xù)丟包的情況下效果比較好。但是當(dāng)丟包率比較大時這種補償方法的效果就不理想了?；趌agrangian插值的分組恢復(fù)方法對丟失幀的實際位置進行了估計，比傳統(tǒng)的分組恢復(fù)方法有更好的效果。 2．改進了GMM識別算法，提出了一種基于GMM-DM的識別算法。通過引入DM距離，即以測試語句與模板的之間的相似性測度，來修正GMM模型在訓(xùn)練數(shù)據(jù)不充分的情況下的識別結(jié)果，GMM-DM方

3、法在訓(xùn)練數(shù)據(jù)不充分時對GMM判決結(jié)果進行修正，進一步克服了數(shù)據(jù)丟失對系統(tǒng)識別率的影響。 3．研究了子帶識別技術(shù)在說話人識別的應(yīng)用。由于子帶信號相對于寬帶信號來說變化比較緩慢，因此數(shù)據(jù)模型相對比較簡單。本文主要研究了在不同信噪比的加性白噪聲和NOISEX-92噪聲數(shù)據(jù)庫中的真實噪聲環(huán)境下，子帶技術(shù)對說話人識別系統(tǒng)魯棒性的提高。我們采用從子帶提取特征參數(shù)的方法，提取出子帶上攜帶的語音信息，利用噪聲能量分布進行加權(quán)，并結(jié)合GMM-DM