基于文本無關(guān)的聲紋識別算法的研究及實現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，網(wǎng)絡(luò)逐漸覆蓋到了社會生活的各個角落。在互聯(lián)網(wǎng)環(huán)境中，傳統(tǒng)的身份認(rèn)證方法面臨巨大的挑戰(zhàn)，越來越無法適應(yīng)實際應(yīng)用環(huán)境的需求。在所有的身份認(rèn)證方法中，生物特征身份識別技術(shù)是一種基于人類特有的生理和后天特性進(jìn)行的身份識別技術(shù)，因其獨(dú)特的優(yōu)勢而在實際中得到了廣泛的應(yīng)用。在所有生物特征身份識別技術(shù)中，與文本無關(guān)的聲紋確認(rèn)技術(shù)被認(rèn)為是最具實用性的生物特征身份識別技術(shù)之一，該技術(shù)通過目標(biāo)說話人的語音對說話人的身份進(jìn)行確認(rèn)，是語

2、音識別研究的一個重要分支。在實際應(yīng)用環(huán)境中，受到采集設(shè)備、傳輸線路等多種因素的影響，最終得到的有效語音數(shù)據(jù)非常有限，進(jìn)而使得系統(tǒng)的識別性能和執(zhí)行效率很難達(dá)到理想的識別效果。因此，本文主要基于文本無關(guān)的短語音聲紋確認(rèn)方法進(jìn)行研究。
　　在聲紋確認(rèn)系統(tǒng)中，系統(tǒng)的識別率和計算復(fù)雜度是衡量系統(tǒng)性能的重要指標(biāo)。傳統(tǒng)的 UBM-MAP-GMM模型架構(gòu)在一定程度上解決了測試語音與訓(xùn)練語音失配的情況，系統(tǒng)識別性能也比較理想，然而在實際應(yīng)用中，面對

3、短語音問題，該模型的運(yùn)算量需求較大，系統(tǒng)魯棒性較差。因此，本文從減少系統(tǒng)計算量、提高識別率等多個角度出發(fā)對聲紋識別算法進(jìn)行了研究，具體有以下幾個方面：
　　1．分析了模型訓(xùn)練中模型初始值對EM算法的影響，針對傳統(tǒng)K-mea ns算法隨機(jī)選擇初始聚類中心可能導(dǎo)致算法局部收斂的缺陷，提出了基于密度和距離的初始聚類中心選擇算法，對K-means算法進(jìn)行了改進(jìn)，并且通過實驗證明了算法。
　　2．探討分析了UBM-MAP-GMM模型架

4、構(gòu)，針對其計算量大、個人聲紋模型GMM服從同一模型結(jié)構(gòu)及部分高斯分量對識別結(jié)果的影響，提出了基于UBM-CM-MAP-GMM模型架構(gòu)的聲紋確認(rèn)方法。實驗證明，該方法使得算法在識別時間、等錯誤率方面都有一定的改善。
　　3．在UBM-CM-MAP-GMM模型架構(gòu)中，對聲紋模型GMM的混合度的取值進(jìn)行研究，實驗數(shù)據(jù)顯示當(dāng)GMM混合度為UBM的一半時效果最好。
　　4．在UBM-CM-MAP-GMM模型架構(gòu)上實現(xiàn)了短語音聲紋確認(rèn)軟