與文本無關的說話人識別算法的研究.pdf

1、自動說話人識別(Automatic Speaker Recognition, ASR)，很久以來就是一個既有巨大吸引力而又有相當困難的課題。自動說話人識別是指計算機通過對說話人語音信號的分析處理，自動確認說話人是否在所記錄的說話人集合中。說話人識別可分為三類，即“與文本有關”、“與文本無關”和“文本指定”。 與文本有關的說話人確認系統(tǒng)的研究已經(jīng)比較成熟，并已作為商品在許多需要身份確認的場合中應用，而與文本無關的實現(xiàn)要復雜和困難許

2、多。隨著對與文本無關的說話人識別系統(tǒng)研究的不斷深入，說話人識別的應用已經(jīng)滲透到數(shù)據(jù)庫管理、機器人研究、電信、安全系統(tǒng)以及命令控制系統(tǒng)等諸多領域。 在說話人識別研究的主要問題包括： （1）尋找能夠有效代表一個人的特征參數(shù)。 說話人識別所采用的基本方法是比較被識別人的話音與已知被存儲的話音所形成的差別，這種差別往往以彼此之距離作為測度。目前已提出過的或使用的距離測量方法很多，重要的問題在于尋找合適的語音參數(shù)。說話人識

3、別的參數(shù)應有以下特點： ①對不同的說話人差別較大，對同一說話人的不同語音或在不同時間、地點所發(fā)的同一語音則變化要盡量?。?②易于計算和處理； ③不易被模仿； ④受外界干擾較小，能適應不同的處理系統(tǒng)； （2）設計能夠有效地計算一段測試語音與某個人的特征參考模板之間距離的匹配算法。 目前，說話人識別的研究主要集中在以下幾個方面：如何增強特征矢量的魯棒性和決策規(guī)則；以及提取在復雜噪聲環(huán)境和信道條

4、件下依然有效的特征參數(shù)；如何選取分類器和決策規(guī)則；以及怎樣將新算法、新思路或其他領域和學科的成果與傳統(tǒng)的識別方法結合起來，以改進系統(tǒng)的性能。 本論文的研究內(nèi)容是與文本無關的說話人識別算法的研究。主要做了以下幾方面的工作： (1) 研究了幾種常見的說話人識別的特征提取辦法，如：線性預測倒譜系數(shù)（LPCC）、差分LPCC、美爾倒譜系數(shù)（MFCC）和差分MFCC等，并通過實驗，說明使用不同的系數(shù)進行說話人識別的效果；

5、(2) 研究了矢量量化（VQ）、高斯混合模型（GMM）和人工神經(jīng)網(wǎng)絡（ANN）三種說話人建模方法，基于以上參數(shù)和模型建立了多套說話人識別系統(tǒng)，并給出了詳細的測試結果； (3) 在VQ的說話人識別模型中，碼本的初始化采用了改進的二元分裂法，在距離的匹配算法中采用了一種新的加權方法，為了防止局部最小化采用了模擬退火法，并與一種AR矢量模型做了比較； (4) 在HMM說話人識別模型中，采用了EM算法，并運用了MCE模型的改進算