基于GMM-UBM的穩(wěn)健的說話人識(shí)別技術(shù)研究.pdf

1、說話人識(shí)別技術(shù)隨著信息技術(shù)與模式識(shí)別技術(shù)的不斷發(fā)展和我們的日常生活越發(fā)變得息息相關(guān)。盡管在實(shí)驗(yàn)室環(huán)境下，目前很多說話人識(shí)別系統(tǒng)都表現(xiàn)出了喜人的性能，但應(yīng)用到實(shí)際中，它們的表現(xiàn)卻很難令人滿意。穩(wěn)健的說話人識(shí)別技術(shù)研究就是試圖解決如何在實(shí)際環(huán)境下提高系統(tǒng)識(shí)別性能的問題。本文主要研究了高斯混合模型-通用背景模型(GMM-UBM)和I-矢量(I-Vector)兩種技術(shù)在說話人識(shí)別中的應(yīng)用，并針對(duì)其在實(shí)際應(yīng)用中的缺陷分別在穩(wěn)健的特征提取、有效的信

2、道補(bǔ)償、簡單的得分規(guī)整三個(gè)方面深入研究并提出相應(yīng)的改進(jìn)方法。
　　梅爾頻率倒譜參數(shù)(MFCC)得益于考慮了人的聽覺原理和倒譜特性而具有分類性能優(yōu)良與易于計(jì)算等卓越特點(diǎn)，因此常被用來作為描述說話人個(gè)性的特征參數(shù)。然而實(shí)際環(huán)境會(huì)導(dǎo)致MFCC分布非高斯化程度加劇。為降低訓(xùn)練與識(shí)別時(shí)MFCC分布間的差異，本文首先對(duì)MFCC進(jìn)行RASTA濾波以降低卷積噪聲和不同信道的影響，為去除由調(diào)制轉(zhuǎn)換引起的卷積噪聲對(duì)其進(jìn)行倒譜均值減(CMS)，再利用特

3、征彎折重構(gòu)每一維MFCC特征使其服從一個(gè)統(tǒng)一的分布。此外，結(jié)合MFCC差分系數(shù)以更好地描述幀與幀之間的聯(lián)系。在基于GMM-UBM的打分階段，對(duì)得分采用結(jié)合的規(guī)整技術(shù)進(jìn)行歸一化，不僅在一定程度上提高了系統(tǒng)的性能而且易于設(shè)定統(tǒng)一的判決閾值。
　　目前，說話人識(shí)別發(fā)展所遇到的瓶頸就是如何克服訓(xùn)練和測試語音之間的信道變化。針對(duì)此問題，本文選擇概率線性鑒別分析對(duì)I-Vector進(jìn)行信道補(bǔ)償。此外，本文在在首先對(duì)I-Vector空間進(jìn)行方差譜