面向嵌入式系統(tǒng)的文本無關說話人識別技術研究.pdf

1、隨著信息技術的迅速發(fā)展，人機交互技術的不斷普及，說話人識別(SpeakerRecognition，SR)以其獨特的方便性、經濟性和安全性等優(yōu)勢受到了越來越多人的關注，在信息安全等領域的應用也逐漸增加。同時，隨著嵌入式系統(tǒng)在處理速度、存儲能力、功耗和體積等方面取得突破性的進展，嵌入式說話人識別系統(tǒng)逐漸成為語音識別技術面向實際應用的一個重要發(fā)展趨勢。然而將與文本無關的說話人識別系統(tǒng)應用到嵌入式設備上，依舊面臨著嵌入式設備計算速度、存儲能力等

2、資源受限問題和背景噪聲、跨信道等算法魯棒性問題，影響嵌入式說話人識別系統(tǒng)的精度和實際應用效果。
　　 針對上述問題，本文在嵌入式說話人識別系統(tǒng)的運行效率和識別性能兩方面進行了研究和改進。主要內容包括:
　　 為了提高系統(tǒng)的運行效率使其能在嵌入式設備上得以應用，引入了一種快速算法——非線性分段(Non-Linear Partition，NLP)算法。由于該算法基于距離累積的分段規(guī)則對語音中的微小干擾魯棒性較差，本文提出了改

3、進的NLP算法，采用絕對值距離替代平方和距離，并引入馬氏距離作為新的分段規(guī)則。實驗證明，改進后的NLP算法使得分段的結果更加穩(wěn)定。實驗結果表明，采用改進的NLP算法相對基線系統(tǒng)整體性能提升20.22％。
　　 為了提高系統(tǒng)的識別性能以及增強系統(tǒng)魯棒性，針對不同的人發(fā)音習慣不同的現(xiàn)象，采用了一種基于基頻曲線的特征來著重捕捉說話人較長時間的韻律信息。通過研究現(xiàn)有的一些融合方案，在基線系統(tǒng)的框架上進行改進，提出了一種在分數層上進行分類