孤立詞識(shí)別中的說話人歸一化技術(shù).pdf

1、隨著語音識(shí)別技術(shù)研究的突破，其對計(jì)算機(jī)發(fā)展和社會(huì)生活的重要性日益凸現(xiàn)出來。語音識(shí)別技術(shù)開發(fā)的產(chǎn)品，應(yīng)用領(lǐng)域非常廣泛，幾乎深入到了社會(huì)的各個(gè)行業(yè)、各個(gè)方面。對于應(yīng)用十分廣泛的孤立詞語音識(shí)別系統(tǒng)，怎樣更通用，快速地適應(yīng)各類人群的語音識(shí)別系統(tǒng)成為語音識(shí)別的研究關(guān)鍵。 九十年代以來，大規(guī)模詞匯的特定人的連續(xù)語音識(shí)別取得了很大進(jìn)展，但對非特定人情況，識(shí)別性能急劇下降。主要問題是由于非特定人之間的差異造成的。說話人語音的差異，主要來源于說話

2、人的發(fā)音生理結(jié)構(gòu)的差異。 但是盡管說話人的差異很大，人卻可以很輕松的理解不同口音和性別的各種人的語音。這就說明人的大腦可以進(jìn)行一些歸一化過程，去除語音個(gè)性化的特征。說話人歸一化技術(shù)的思想就是源于人的識(shí)別過程，說話人歸一化目的是建立一個(gè)歸一化的說話人空間，使得任何人的語音可以映射其中。 在語音識(shí)別系統(tǒng)中，大多前期處理提取的都是聲道參數(shù)，因此對說話人的歸一化主要集中于歸一化說話人聲道長度的差異。一般而言，精確的歸一化函數(shù)是保

3、證歸一化效果的前提，但過于復(fù)雜的方法，計(jì)算量就大，對實(shí)際應(yīng)用場合是不適用的。因此為了簡化處理，常采用統(tǒng)一的歸一化函數(shù)來進(jìn)行處理，但這種方法與實(shí)際語音統(tǒng)計(jì)結(jié)果并不相符。因此本文提出用說話人轉(zhuǎn)換中的動(dòng)態(tài)頻率規(guī)整的方法實(shí)現(xiàn)說話人語音的歸一化，這種方法避免了單一的歸一化函數(shù)的處理，實(shí)驗(yàn)證明這種方法能有效地提高孤立詞識(shí)別系統(tǒng)的識(shí)別率。 另一方面，以往的說話人歸一化技術(shù)關(guān)注于對聲道響應(yīng)的差異的歸一化，但近期的研究證明，聲門共鳴也同樣影響著說

4、話人的頻譜特性。因此本文進(jìn)一步提取魯棒性能和抗噪性能優(yōu)于MFCC參數(shù)的感知最小方差無失真參數(shù)(PMVDR)來進(jìn)行說話人歸一化，同時(shí)為了能夠?qū)Σ煌f話人進(jìn)行更準(zhǔn)確更快速地感知折疊變換，本文提出采用基于下聲門／聲道非線性耦合作用的第二聲門共鳴頻率來估算感知折疊因子，與采用第三共振峰的估算方法比較，它能濾除語義信息的影響，更好地體現(xiàn)說話人的個(gè)性特征。具體應(yīng)用時(shí)，本文首先提取語音的MVDR頻譜包絡(luò)求出第二聲門共鳴頻率，并由此估算感知折疊因子，然