基于缺失特征重建的說(shuō)話人識(shí)別.pdf

1、目前文本無(wú)關(guān)話者識(shí)別系統(tǒng)在實(shí)驗(yàn)室條件下取得很好的性能，但在實(shí)際應(yīng)用中，噪聲的存在使得系統(tǒng)性能急劇下降。這是由于噪聲破壞了干凈語(yǔ)音的形態(tài)分布，造成訓(xùn)練和測(cè)試環(huán)境的失配。缺失特征方法將被噪聲嚴(yán)重破壞的頻段標(biāo)記為缺失特征，通過(guò)在識(shí)別時(shí)丟棄缺失特征的評(píng)分或通過(guò)可靠特征估計(jì)出缺失特征來(lái)減小噪聲的影響。論文主要研究加性噪聲影響下，基于缺失特征重建的話者識(shí)別系統(tǒng)性能。 論文采用Mel濾波器組輸出作為特征參數(shù)，針對(duì)噪聲對(duì)不同特征子帶的影響各不同

2、，提出局部信噪比準(zhǔn)則判斷各個(gè)特征子帶的可靠性，將信噪比小于閾值的特征稱為缺失特征。論文采用改進(jìn)的譜減法求不同子帶的信噪比，通過(guò)實(shí)驗(yàn)得出最優(yōu)的閩值。 為了利用不完整特征參數(shù)進(jìn)行話者識(shí)別，目前常用的缺失特征邊緣化方法在識(shí)別時(shí)丟棄缺失特征的評(píng)分，從而有效的減小了噪聲的影響，但是該方法的特征參數(shù)局限于濾波器組參數(shù)而不能使用識(shí)別性能更好的倒譜參數(shù)。論文針對(duì)缺失特征邊緣化方法的不足，提出缺失特征重建方法，利用幀內(nèi)特征之間的相關(guān)性，由可靠特征

3、估計(jì)出缺失特征，得到完整特征向量，然后轉(zhuǎn)換成MFCC參數(shù)進(jìn)行識(shí)別。 論文研究基于聚類的缺失特征重建方法，采用若干個(gè)聚類描述干凈語(yǔ)音特征的分布，識(shí)別時(shí)首先判斷每幀向量所在的聚類，依據(jù)聚類的統(tǒng)計(jì)信息和可靠特征得到缺失特征的最大后驗(yàn)概率估計(jì)。隨后提出譜減和缺失特征重建相結(jié)合的方法，其中譜減法用于檢測(cè)缺失特征，并增強(qiáng)可靠特征。實(shí)驗(yàn)表明相比缺失特征邊緣化方法，該方法能顯著提高噪聲環(huán)境中話者識(shí)別系統(tǒng)的性能。 針對(duì)基于聚類的缺失特征重