基于稀疏表示的說(shuō)話人確認(rèn)方法研究.pdf

1、說(shuō)話人識(shí)別作為現(xiàn)代生物信息識(shí)別中的一項(xiàng)重要技術(shù)，依據(jù)語(yǔ)音信號(hào)確認(rèn)說(shuō)話人身份。從1999年起，歷年NIST測(cè)評(píng)結(jié)果顯示，GMM-UBM識(shí)別框架使用統(tǒng)一背景模型自適應(yīng)出目標(biāo)說(shuō)話人模型，能更好地表征說(shuō)話人個(gè)性特征。由于GMM建模只是對(duì)目標(biāo)說(shuō)話人一類數(shù)據(jù)進(jìn)行的，直接采用GMM似然度得分進(jìn)行分類具有計(jì)算量大、區(qū)分能力不佳等不足之處;將GMM均值超向量作為SVM分類器的輸入，采用非線性核函數(shù)進(jìn)行二分類，一定程度上提高了說(shuō)話人識(shí)別性能，但是數(shù)據(jù)的不平

2、衡和兩類數(shù)據(jù)的混疊問(wèn)題對(duì)分類效果影響較大。稀疏表示理論指出可壓縮信號(hào)能夠在某個(gè)空間中由最能反映信號(hào)特征且數(shù)量最少的原子線性表示，表征同類信號(hào)的基原子分布密集，對(duì)不同類信號(hào)的表征具有很強(qiáng)的區(qū)分性，可實(shí)現(xiàn)信號(hào)的分類。本文深入研究語(yǔ)音信號(hào)的稀疏表示方法，實(shí)現(xiàn)了基于稀疏表示的說(shuō)話人確認(rèn)系統(tǒng)。本文主要工作及取得的成果如下:
　　(1)、系統(tǒng)分析了稀疏表示理論，對(duì)語(yǔ)音信號(hào)的稀疏表示方法進(jìn)行了研究。鑒于語(yǔ)音信號(hào)的稀疏性和可重構(gòu)性，對(duì)語(yǔ)音信號(hào)進(jìn)行

3、稀疏表示是可行的，并且稀疏表示方法采用分布密集的基原子表征同類信號(hào)，對(duì)不同類信號(hào)的表征具有很強(qiáng)的區(qū)分性。因此，利用稀疏表示對(duì)語(yǔ)音信號(hào)進(jìn)行分類，能夠取得很好的效果。
　　(2)、提出了基于稀疏表示的說(shuō)話人確認(rèn)系統(tǒng)GMM-SRC，在GMM-UBM基線系統(tǒng)的基礎(chǔ)上，使用目標(biāo)說(shuō)話人和背景說(shuō)話人的GMM均值超向量構(gòu)建字典，通過(guò)l1范數(shù)最優(yōu)化方法求解稀疏表示系數(shù)，再利用重構(gòu)誤差進(jìn)行識(shí)別。在NIST06年語(yǔ)音數(shù)據(jù)庫(kù)上進(jìn)行說(shuō)話人確認(rèn)實(shí)驗(yàn)，結(jié)果顯示

4、，GMM-SRC系統(tǒng)的等錯(cuò)誤率比基線系統(tǒng)降低了1.27％。進(jìn)一步提出了GMM-SRC和GMM-UBM的說(shuō)話人確認(rèn)融合系統(tǒng)，在分?jǐn)?shù)域?qū)煞N系統(tǒng)進(jìn)行融合，相比于基線系統(tǒng)，等錯(cuò)誤率降低了2.35％。
　　(3)、針對(duì)GMM-SRC說(shuō)話人確認(rèn)系統(tǒng)，提出了一種改進(jìn)的字典學(xué)習(xí)方法，在字典的更新過(guò)程中加入分類信息，采用D-KSVD算法訓(xùn)練字典，使生成的字典同時(shí)具有稀疏表達(dá)和分類能力。進(jìn)一步，實(shí)現(xiàn)了基于D-KSVD的說(shuō)話人確認(rèn)系統(tǒng)，其獲得的等錯(cuò)誤