基于語(yǔ)音頻率特性抑制音素影響的說(shuō)話人特征提取.pdf

1、語(yǔ)音具有語(yǔ)言信息與個(gè)人信息;語(yǔ)言信息表示說(shuō)話人的共性特征,個(gè)人信息表示說(shuō)話人個(gè)性特征。進(jìn)行說(shuō)話人識(shí)別時(shí),需要保存說(shuō)話人個(gè)性信息并同時(shí)抑制語(yǔ)言信息。然而,語(yǔ)音信號(hào)的說(shuō)話人個(gè)性信息與語(yǔ)言信息很難分開。為了減小發(fā)音內(nèi)容之間差異對(duì)說(shuō)話人識(shí)別的影響,本文提出了音素影響抑制(Phoneme Effect Suppression,PES)法,以便強(qiáng)調(diào)說(shuō)話人個(gè)人信息的差異。
　　為了得到在頻域上說(shuō)話人信息的準(zhǔn)確分布,本文首先研究了語(yǔ)音頻率特性。我

2、們通過(guò)得到每個(gè)音素在各個(gè)子頻帶上對(duì)說(shuō)話人個(gè)性信息的貢獻(xiàn)率(Phoneme F-ratio Contribution,PFC),提出了在不同音素的說(shuō)話人信息的分布。語(yǔ)音受到人的發(fā)聲器官、發(fā)音方式與發(fā)音位置的影響。所以在每個(gè)音素的說(shuō)話人信息的分布反映特定生理發(fā)音器官與發(fā)音方式的個(gè)性。本文在三種語(yǔ)言(英語(yǔ)、漢語(yǔ)與朝鮮語(yǔ))上分別研究了說(shuō)話人個(gè)人信息的聲學(xué)表達(dá)。通過(guò)測(cè)試每個(gè)音素在各個(gè)子頻帶上對(duì)說(shuō)話人個(gè)性信息的貢獻(xiàn)率,發(fā)現(xiàn)濁音、清音和鼻音的都具有不

3、同的說(shuō)話人個(gè)性信息的分布。
　　在此基礎(chǔ)上,本文提出了PES方法,抑制了不同音素對(duì)說(shuō)話人個(gè)性的影響,得出了說(shuō)話人個(gè)人信息在頻域上的分布( Phoneme Effect Suppressed Speaker Information Distribution,PES-SID)。
　　最后,本文提出了一種提取說(shuō)話人特征的新方法,此方法專注于基于說(shuō)話人個(gè)人信息分布的非均勻頻率尺度的表示。本文提出的說(shuō)話人特征用于GMM說(shuō)話人模型并進(jìn)行

4、了說(shuō)話人辨認(rèn)實(shí)驗(yàn),并與另外兩種說(shuō)話人特征作了對(duì)比。實(shí)驗(yàn)結(jié)果表明我們提出的特征優(yōu)于其他兩種特征。與MFCC(Mel Frequency Cepstrum Coefficient)特征相比,對(duì)于不同的語(yǔ)言,我們提出的特征都降低了識(shí)別錯(cuò)誤率:對(duì)于英語(yǔ)降低了61.1％,對(duì)于朝鮮語(yǔ)68.0%,對(duì)中文32.9%。與FFCC(F-ratio Frequency Cepstrum Coefficient)相比,我們的錯(cuò)誤率降低了:30%(英語(yǔ)),28.