基于聲門信息的說話人確認方法研究.pdf

1、語音是人類最自然最重要的交流溝通方式,將語音信號中說話人的信息提取出來,即說話人識別,也稱為聲紋識別,是目前語音信號處理中的一個重要研究方向。隨著智能計算、網(wǎng)絡安全需求的迅速發(fā)展,可提供生物特征識別的聲紋識別技術受到越來越多的關注,正在走向實用化。
　　經(jīng)過多年的研究,實驗室環(huán)境下的說話人識別系統(tǒng)已經(jīng)較為成熟。然而,從實驗室走向現(xiàn)實環(huán)境仍有一定的問題。問題主要集中在說話人識別的魯棒性與計算量上。說話人識別系統(tǒng)可以粗略的分為特征提取

2、與模式識別兩部分。在經(jīng)典的文本無關說話人識別技術中主要采用梅爾倒譜系數(shù)與 UBM-MAP-GMM模型作為特征提取與模式識別。UBM-MAP-GMM模型盡管考慮了測試語音與訓練語音失配的問題,但在實際情況下,該模型的運算量與存儲需求仍較大,魯棒性離實用還有一些距離。本文從研究語音信號中不同類型的信息如何混雜、如何提取入手,引入語音高層信號分析,對增強聲紋識別魯棒性、減少計算量進行了研究。
　　本論文的主要研究內容如下:
　　1

3、.探討了高斯混合模型的物理意義,并介紹了當前的一些對UBM-MAP-GMM模型的改進方法,分析了當訓練語音中部分音素類較少時經(jīng)典模型的處理方式及其不足,進而提出了基于挑選高斯分量的說話人確認系統(tǒng)。實驗證明,改進的說話人確認系統(tǒng)無論是訓練時間,還是等錯誤率,均有一定的下降。
　　2.短時特征參數(shù)MFCC反映的是說話人的聲道特征,基于基頻與幀能量的韻律特征反映的是說話人的聲門信息,兩者從不同的角度刻畫了說話人,存在互補以提高系統(tǒng)性能的