混響和噪聲環(huán)境下說話人識別的研究.pdf

1、說話人識別是語音識別的一種特殊形式，就是從說話人的一段語音中提取出說話人的個性特征，通過對這些個性特征的分析和識別，從而達到對說話人進行辨認或確認的目的。在說話人識別的研究過程中，人們逐漸發(fā)現(xiàn)魯棒性是說話人識別中的重要問題。影響說話人識別系統(tǒng)魯棒性的主要因素有訓練和識別時聲學環(huán)境的差異、環(huán)境噪聲。當訓練和識別時聲學環(huán)境不相匹配時，本文通過混響室內(nèi)生成的聲脈沖進行數(shù)學變換的方式來構(gòu)造不同混響時間的虛擬聲脈沖。再通過虛擬聲脈沖與

2、聲源“干”信號進行卷積運算，就可以得到不同混響時間的語音信號。這樣可以選擇一個與訓練環(huán)境相匹配的識別的環(huán)境，從而使訓練環(huán)境和識別環(huán)境相匹配，提高系統(tǒng)的識別性能。在噪聲環(huán)境下，本文利用基于聽覺掩蔽效應(yīng)的語音增強技術(shù)，對含噪語音信號進行降噪處理，這是對減譜法的一個改進，這樣不僅能降低白噪聲，還可以降低減譜法中殘留的音樂噪聲，使音樂噪聲給聽覺上帶來的不適得以降低。經(jīng)過降噪處理的語音信號送入說話人識別系統(tǒng)，使系統(tǒng)的識別性能得到提高

3、。高斯混合模型(GMM)方法是目前在文本無關(guān)的說話人識別中廣泛應(yīng)用的方法，實驗中分別提取LPCC參數(shù)和MFCC參數(shù)利用VC++建立一個基于GMM的說話人識別系統(tǒng)，并且分析了在特征參數(shù)LPCC、MFCC下系統(tǒng)的識別性能。由實驗結(jié)果得出：MFCC的識別性能優(yōu)于LPCC；對噪聲環(huán)境下、訓練和識別時聲學環(huán)境不相匹配的情況下，采用不同的聲學預(yù)處理方法，提高了系統(tǒng)的魯棒性。關(guān)鍵詞：說話人識別，GMM，特征提取，掩蔽閾值，語音增強，魯棒