說話人識別語音庫構建技術的研究.pdf

1、說話人識別技術如今在日常生活中得到廣泛地應用。由于移動互聯網的快速發(fā)展，語音數據量正在不斷地增長，大規(guī)模應用下的快速識別任務成為新的研究熱點。然而
　　對于研究人員來說，除去算法層面的挑戰(zhàn)，如何構建一個大規(guī)模的說話人識別語音庫是新的難題。傳統的說話人識別語音庫的構建方式成本高昂且時間周期長，難以滿足當前的需求。
　　本課題以互聯網上海量的語音資源作為提取目標，針對實際的應用場景設計了一套以說話人分割與聚類技術為核心的說話人識

2、別語音庫構建方法。該方法不僅降低了語音采集階段的金錢成本，并利用半自動的處理方式極大地縮短構建的時間周期。本文重點研究了語音庫構建過程中語音提取、語音檢驗等核心問題。
　　在語音提取方面，主要針對端點檢測、聚類測度、模型選擇三個方面做出改進?；陬l譜熵的端點檢測特點提出了一種改進的帶熵檢測特征，實驗證明該特征在復雜背景下依舊能保持穩(wěn)定的檢測能力。結合本課題的數據特點及應用目的，設計了一種基于T2距離與信息量差異的兩級說話人聚類判決

3、算法，實驗結果顯示該算法能有效地改善說話人聚類的效果，并設計了一種停止閾值計算公式，使聚類能在合適的位置停止。說話人建模階段，在分析了出現誤判的原因的基礎上，設計了一種基于背景噪聲與全局說話人模型的似然得分之差的語音過濾方法，能夠在數據幀層面上去除掉無效的語音。在語音檢驗方面，以說話人確認技術為基礎設計了一種語音檢驗與語音過濾機制，以達到語音類型判斷以及語音去重的目的。
　　結合上述提出的語音提取與語音檢驗方式，本文設計了一套完整