說話人識別及其在噪聲環(huán)境下的魯棒性研究.pdf

1、說話人識別就是通過語音信號來對說話人進行辨認或者確認，根據說話的內容，說話人識別又可分為與文本有關和與文本無關兩種方式。說話人識別系統(tǒng)在低噪聲、低失真度條件下的性能已經達到令人滿意的程度，但在真實的噪聲環(huán)境下，由于訓練模型和測試語音之間的失配，說話人識別系統(tǒng)誤識率會急劇上升，因此提高說話人識別系統(tǒng)在噪聲環(huán)境下的魯棒性是其從實驗室走向實用的關鍵，也是當前的研究熱點。 本文首先詳細介紹了說話人識別的基本理論，在此基礎上，分別構建了基

2、于VQ和GMM模型的說話人識別系統(tǒng)。在基于VO的說話人識別系統(tǒng)中，采用了三種不同的碼本聚類方法來產生碼本，通過比較量化誤差、誤識率以及計算量綜合考慮了三種碼本聚類方法的優(yōu)缺點。在基于GMM模型的說話人識別系統(tǒng)中，評測了LPC、LPCC、MFCC和MCC四種常用特征參數的性能，通過實驗，證明了基于人耳聽覺特性的特征參數具有較低的誤識率和較好的魯棒性。另外，第三章在介紹HMM模型時，實現(xiàn)了一個漢語四聲聲調的識別系統(tǒng)。 針對噪聲環(huán)境下

3、說話人識別系統(tǒng)的魯棒性較差的這個問題，提出了相對自相關序列小波分解特征提取算法以及基于置信度分析的說話人識別。相對自相關序列對于平穩(wěn)噪聲和慢變噪聲具有較好的魯棒性，因此本文提出了一種對其進行多層小波分解的特征提取算法。在基于置信度分析的說話人識別中，用置信度來度量特征分量的魯棒性，并提出了一種用于計算MFCC各維分量置信度的方法CBTM，該方法通過一個置信度變換矩陣，估算出經過Mel譜減法處理后的MFCC各維分量的置信度，在此基礎上通過