基于含噪短語音的魯棒說話人識(shí)別研究.pdf

1、說話人自動(dòng)識(shí)別技術(shù)在眾多需要語音輔助的應(yīng)用下，已發(fā)展成為越來越重要的現(xiàn)代生物認(rèn)證技術(shù)。之前的研究表明，對(duì)于訓(xùn)練和測(cè)試聲學(xué)環(huán)境一致的高質(zhì)量語音已可以獲得很好的結(jié)果。然而現(xiàn)實(shí)生活中，往往遇到語料缺失、環(huán)境噪聲等問題，此時(shí)說話人識(shí)別系統(tǒng)性能嚴(yán)重下降，為了進(jìn)一步提高說話人識(shí)別的實(shí)用性，魯棒性研究是說話人識(shí)別領(lǐng)域至關(guān)重要的研究熱點(diǎn)。本文針對(duì)含噪短語音的魯棒說話人識(shí)別技術(shù)進(jìn)行了研究和探索。為了提高含噪短語音的說話人識(shí)別率，本文涉及的補(bǔ)償算法有多特征

2、融合算法、噪聲分離算法、語音幀質(zhì)量判別算法、識(shí)別模型優(yōu)化和改進(jìn)。
　　本文的主要工作和創(chuàng)新成果點(diǎn)集中在以下幾個(gè)方面:
　　(1)針對(duì)含噪短語音說話人辨認(rèn)訓(xùn)練和測(cè)試語料不充分的特點(diǎn)，將聲源信息與聲道信息相結(jié)合，彌補(bǔ)在語料信息嚴(yán)重缺失的情況下，只提取單一特征不能充分表達(dá)說話人語音特征的缺陷。提取的多種特征的噪聲魯棒性和識(shí)別能力不同，可以起到互補(bǔ)的作用，并使用差分進(jìn)化算法優(yōu)化特征組合中單一特征的融合系數(shù)。實(shí)驗(yàn)證明，在相同條件下使用

3、特征組合綜合系統(tǒng)(MFCC_D_LPCC+WOWOR4)+(MFCC_D_LPCC+WOWOR6)+(MFCC_D_LPCC+WOWOR8)的含噪短語音說話人識(shí)別率比使用單一特征MFCC平均提高13.34％，比使用特征組合MFCC_DLPCC平均提高10.21％。在各種信噪比環(huán)境下，使用差分進(jìn)化算法優(yōu)化特征組合中單一特征的融合系數(shù)可以使系統(tǒng)的識(shí)別率平均提高1.62％。
　　(2)為了降低噪聲對(duì)說話人識(shí)別效果的影響，對(duì)噪聲進(jìn)行分離是

4、重要的。提出了基于受限非負(fù)矩陣分解(Constrained Non-negative Matrix Factorization，CNMF)的噪聲分離算法用于分離環(huán)境噪聲，該算法首先使用FastICA噪聲分離算法對(duì)含噪短語音進(jìn)行分離，將其結(jié)果作為NMF(Non-negative Matrix Factorization)的初始值，并在NMF中加入鑒別性限制，以便有效分離噪聲。實(shí)驗(yàn)證明，相同條件下CNMF分離算法的識(shí)別率比隨機(jī)初始化NMF分

5、離算法的識(shí)別率平均提高3.75％。
　　(3)使用CNMF算法對(duì)含噪短語音進(jìn)行噪聲分離之后，語音幀仍然不同程度地含有殘留噪聲，需要對(duì)其進(jìn)一步處理:使用語音幀質(zhì)量判別算法將語音幀分為高質(zhì)量類和低質(zhì)量類，高質(zhì)量類語音幀直接用于說話人識(shí)別，低質(zhì)量類語音幀進(jìn)行處理后用于說話人識(shí)別，既可以顯著降低噪聲的影響，又可以充分地利用含噪短語音的有限語料用于說話人識(shí)別，有助于提高含噪短語音的說話人識(shí)別率。本文分別提出了三種語音幀質(zhì)量判別算法，分別是改

6、進(jìn)的信噪比判別算法(Improved SNR Discrimination Algorithm，ISNRDA)、差異檢測(cè)與判別算法(Differences Detection and Discrimination Dlgorithm，DDADA)、基于NMF的信噪比判別算法（NMF-SNR Discrimination Algorithm，NMF-SNRDA)。實(shí)驗(yàn)證明，相同條件下使用ISNRDA判別算法相比分離噪聲后不進(jìn)行語音幀質(zhì)量判

7、別與分類可以平均提高含噪短語音的說話人識(shí)別率3.26％，使用DDADA判別算法的識(shí)別率相比使用ISNRDA判別算法的識(shí)別率平均提高1.71％，使用NMF-SNRDA判別算法的識(shí)別率相比使用DDADA判別算法的識(shí)別率平均提高1.74％。
　　(4)為了更加精確地對(duì)語音幀進(jìn)行分類，本文提出了雙重信息質(zhì)量判別算法。若兩種語音幀質(zhì)量判別算法同時(shí)判定一個(gè)語音幀為高質(zhì)量，則將該語音幀分類為高質(zhì)量類;若一種語音幀質(zhì)量判別算法判定一個(gè)語音幀為高質(zhì)

8、量，另一種語音幀質(zhì)量判別算法判定該語音幀為低質(zhì)量，則將該語音幀分類為中等質(zhì)量類;若兩種語音幀質(zhì)量判別算法同時(shí)判定一個(gè)語音幀為低質(zhì)量，則將該語音幀分類為低質(zhì)量類。實(shí)驗(yàn)證明，在各種信噪比環(huán)境下，本文提出的雙重信息質(zhì)量判別算法與單一判別算法相比，含噪短語音的說話人識(shí)別率平均提高2.32％。
　　(5)分類得到的三類語音幀分別與本文構(gòu)建的GMM-UBM三階段分類模型相結(jié)合，使短語音的有限語料得到更加充分地利用，有效的降低了噪聲和語料缺失對(duì)