說(shuō)話(huà)人轉(zhuǎn)變檢測(cè)的研究與實(shí)現(xiàn).pdf

1、現(xiàn)代IT技術(shù)的發(fā)展越來(lái)越快，獲取各類(lèi)音頻文檔的方法也都相繼出現(xiàn)，而數(shù)據(jù)量則呈現(xiàn)快速增長(zhǎng)的趨勢(shì)，管理音頻文檔將會(huì)越來(lái)越困難，因而對(duì)音頻文檔中說(shuō)話(huà)人轉(zhuǎn)變的檢測(cè)越來(lái)越重要，說(shuō)話(huà)人轉(zhuǎn)變的檢測(cè)主要包括說(shuō)話(huà)人分割和說(shuō)話(huà)人聚類(lèi)兩個(gè)部分。近年來(lái)很多研究者開(kāi)始對(duì)音頻分割與聚類(lèi)技術(shù)進(jìn)行了研究[1]，利用這技術(shù)來(lái)管理多媒體語(yǔ)音文檔，其中對(duì)會(huì)議語(yǔ)音的分割和聚類(lèi)困難最大。基于說(shuō)話(huà)人的不同而對(duì)音頻文檔進(jìn)行分割與聚類(lèi)，關(guān)鍵是找出不同說(shuō)話(huà)人之間話(huà)音的不同，將含有多個(gè)人

2、說(shuō)話(huà)的語(yǔ)音段，根據(jù)不同轉(zhuǎn)變點(diǎn)分割成多個(gè)片段，且每個(gè)片段只含有一個(gè)說(shuō)話(huà)人，分割完成后將同一說(shuō)話(huà)人的片段進(jìn)行標(biāo)記，采用說(shuō)話(huà)人聚類(lèi)技術(shù)將分割好的語(yǔ)音按照說(shuō)話(huà)人的不同進(jìn)行重新組合。
　　本文提到的說(shuō)話(huà)人轉(zhuǎn)變檢測(cè)的方法主要由三個(gè)部分組成即特征值提取、說(shuō)話(huà)人分割和說(shuō)話(huà)人聚類(lèi)。本文對(duì)于每一部分都做了詳細(xì)的介紹，并通過(guò)實(shí)驗(yàn)比較了不同方法的優(yōu)缺點(diǎn)，具體內(nèi)容如下：
　　1)特征提取部分。提取語(yǔ)音序列的LPC倒譜系數(shù)和梅爾頻率倒譜系數(shù)作為說(shuō)話(huà)人的

3、特征參數(shù)，通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)MFCC比LPCC性能好。
　　2)說(shuō)話(huà)人分割部分。本文使用的是基于可信度變化趨勢(shì)和改進(jìn)BIC的混合說(shuō)話(huà)人轉(zhuǎn)變點(diǎn)的檢測(cè)方法，利用可信度變化趨勢(shì)解決了BIC由于數(shù)據(jù)累積造成的累積錯(cuò)誤，而B(niǎo)IC又可以解決由于可信度參數(shù)百分比beta選取設(shè)定的不合適而造成的誤差，實(shí)驗(yàn)結(jié)果表明使用混合算法比單獨(dú)使用這兩種算法性能分別提高了10％和5.8%。
　　3)說(shuō)話(huà)人聚類(lèi)。本文使用的是基于等級(jí)的分層說(shuō)話(huà)人聚類(lèi)，介紹了基于基