基于倒譜特征的說話人識別方法研究.pdf

1、自動說話人識別(ASR)技術以其顯著的低成本、使用方便和有效性等特點,成為生物認證技術研究的重要領域之一。該技術具有廣闊的應用前景,在信息領域、銀行及證券交易機構、公安司法、軍事領域、保安和證件防偽等方面能發(fā)揮巨大的作用,但說話人識別的研究還面臨許多問題,比如說話人語音具有變動性,容易被模仿,以及環(huán)境噪聲以及信道失真對語音特征的損害難以消除,因此有必要對其進行討論和研究。
　　 本文以提高說話人識別系統(tǒng)性能出發(fā),在系統(tǒng)介紹說話人

2、識別理論和該技術存在的各種困難的基礎上,圍繞特征和模型兩個重要方面進行研究。在特征方面,主要研究四種倒譜特征的性能,線性預測倒譜系數(shù)(LPCC)和梅爾頻率倒譜系數(shù)(MFCC)相比較,感知線性預測系數(shù)(PLPC)以及它的改進特征一相對譜變換的感知線性預測系數(shù)(RASTA-PLPC)；在模型方面,詳細介紹了混合高斯模型(GMM)和支持向量機(SVM)模型理論知識,并在二者特性認識的基礎上,建立了GMM與SVM的組合模型。具體研究工作如下:<

3、br>　　 (1)多種特征性能的總結與分析。本文詳細分析了四種靜態(tài)特征、它們的動態(tài)(差分)特征以及它們與各自動態(tài)特征的組合特征的性能,分別從純凈語音和帶噪語音的說話人識別考察PLPC及RASTA-PLPC的優(yōu)勢,根據(jù)理論和實驗,可以得出以下結論:在這些特征中,基于聽覺原理的PLPC與其動態(tài)特征的組合對純凈語音的說話人識別效果最佳,而基于通道損失補償?shù)腞ASTA-PLPC與其動態(tài)特征的組合具有較強的抗噪性,對帶噪語音的說話人識別具有不錯

4、的效果。
　　 (2)特征變換的探討。為了進一步改進特征的性能,文章采用主分量分析(PCA)變換對初始特征進一步處理,剝離其中的非說話人個性信息,雖然試驗中沒有得到預期效果,但該思想是特征研究的一個重要方向。
　　 (3)說話人識別模型的研究和改進。GMM模型具有良好的數(shù)據(jù)分布描述特性,但樣本量需求大；而SVM模型是專門針對小樣本而設計的分類器,區(qū)分性能優(yōu)越,但類別多時,非常耗時,對此建立了二者的混合模型,試驗結果驗證了