存在情感差異性語音的說話人識別算法研究.pdf

1、說話人識別技術(shù)被認(rèn)為是最自然的生物認(rèn)證技術(shù)，它是一項根據(jù)語音中反映的說話人生理和行為特征的語音參數(shù)，自動識別說話人身份的技術(shù)。傳統(tǒng)說話人識別系統(tǒng)當(dāng)使用者在平靜狀態(tài)下訓(xùn)練、測試時，已取得了非常出色的識別性能，但是，當(dāng)說話人在不同情感狀態(tài)間改變時，因說話人的態(tài)度發(fā)生改變，語音急劇變化，進(jìn)而識別率會下降。在詳細(xì)分析情感語音特性和情感語音研究方面的最新進(jìn)展，特別是如何提高情感影響時說話人識別性能研究現(xiàn)狀的基礎(chǔ)上，本文針對如何更好的處理含有情感因

2、素的說話人語音上進(jìn)行了大量的嘗試，提出了相關(guān)的模型和算法。本文的主要工作集中在以下四個方面： 第一，對情感語音特征和在情感語音影響下提高說話人識別性能的研究工作做了詳細(xì)調(diào)研工作，并了解情感語音數(shù)據(jù)庫方面的現(xiàn)狀，針對現(xiàn)階段缺少多說話人錄制的中文情感語音數(shù)據(jù)庫，設(shè)計、采集并建立了一個可用于情感語音分析和說話人識別的語音數(shù)據(jù)庫MASC@CCNT。 第二，選擇用于情感語音特性分析的特征，從基音頻率構(gòu)造、發(fā)音持續(xù)時間比較、元音共振

3、峰分析、能量分析四個方面對一個中文情感語音庫(MASC@CCNT)和一個英文情感語音庫(EPST)上的語音信號進(jìn)行詳細(xì)的實驗分析，并通過和不帶情感的中性語音信號比較，找出了不同情感信號特征的分布規(guī)律，并對比中西語音庫上的分析結(jié)果，得出中西方在表達(dá)情感方式上的差異，總體來說，東方人在表達(dá)情感時語音變化不如西方人激烈，相對含蓄，而西方人情緒變化時會采用外露、夸張的表達(dá)方式。 第三，在EPST情感語音庫上，先通過聲學(xué)特征統(tǒng)計量的分析，

4、包括基音頻率平均值(MeanPitch)、基頻動態(tài)范圍(PitchRange)、基頻方差(PitchVariance)、基頻歪斜度(PitchSkewness)和基頻動態(tài)范圍擴展方式(PitchExpansion)，對14種情感進(jìn)行了分類，將具有相近特性的情感類別歸于同一個組，然后為每個說話人的中性語音中分別加入很小量的情感信息，按照情感組別進(jìn)行說話人模型訓(xùn)練。該方法用于實際的說話人識別系統(tǒng)中，在情感先驗知識不足的情況下可進(jìn)行結(jié)構(gòu)化訓(xùn)練

5、并測試，極大地提高了說話人識別系統(tǒng)在情感語音影響時的性能。 第四，通過討論用于說話人識別的傳統(tǒng)倒譜特征和基音頻率(F0)在說話人處于不同的情感狀態(tài)時的差異性，本文認(rèn)為，當(dāng)說話人情緒發(fā)生變化時，基音頻率的改變會影響到倒譜特征(MFCC等)，這種影響會增加說話人的自身距離(intra-speakerdistance)，從而使說話人識別系統(tǒng)的性能降低。本文提出了基于倒譜特征線性情感補償?shù)恼f話人識別方法，實驗結(jié)果表明，這種特征補償方法能