面向垃圾語音過濾的快速說話人識別關(guān)鍵技術(shù)研究.pdf

1、近幾年，隨著電信網(wǎng)、互聯(lián)網(wǎng)和廣電運營商多元化的結(jié)合以及語音傳輸和交換技術(shù)的不斷進(jìn)步，垃圾語音逐漸成為威脅人民群眾財產(chǎn)安全和社會安定和諧的重要因素，因此垃圾語音的防護(hù)和過濾研究是大勢所趨。傳統(tǒng)的過濾模型由于無法過濾人為發(fā)起和不斷變更身份(電話號碼或 ID)這兩種主流的垃圾語音，從而使得垃圾語音的檢測成為一個極具挑戰(zhàn)性的難題。針對上述問題，可以采用說話人識別技術(shù)來解決。說話人識別技術(shù)是從主叫人本身去考慮，而不依附于外界固有的因素，因此可以有

2、效地防止垃圾語音發(fā)起人通過不斷變換身份在通信網(wǎng)絡(luò)中肆意橫行現(xiàn)象的發(fā)生。雖然說話人識別技術(shù)已經(jīng)研究的很充分，但是其應(yīng)用于垃圾語音過濾卻很少。鑒于垃圾語音過濾需要近乎實時地識別能力和一定的準(zhǔn)確度，目前的說話人識別技術(shù)還存在如何為垃圾語音發(fā)起人選擇合適的識別模型以及如何在垃圾語音過濾要求的說話人數(shù)量上實現(xiàn)快速識別的問題。
　　本文比較了不同的識別模型以及快速說話人識別方法，選擇將KLSH結(jié)合超向量引入到垃圾語音發(fā)起人的快速識別中。本文提

3、出基于說話人特征空間分析的快速識別方法，即采用譜聚類和UBM來選擇KLSH所需的樣本，以提高KLSH搜索的速度和準(zhǔn)確度。在譜聚類過程中，重點分析了相似度測量方法，引入KL距離，同時提出一種基于模型信息熵距離進(jìn)行相似度測量的方法；使用塊矩陣簡化大規(guī)模說話人模型距離計算；改進(jìn)了基于本征間隙的自動獲取聚類數(shù)目方法。比較不同超向量的優(yōu)缺點，選擇了GMM超向量作為垃圾語音過濾說話人的識別模型。對KLSH中涉及的核函數(shù)以及近似搜索進(jìn)行了分析選擇，從

4、而構(gòu)成完整的KLSH快速識別系統(tǒng)。
　　實驗結(jié)果顯示，當(dāng)測試語音達(dá)到4s時，平均識別時間為0.105s，識別率可以達(dá)到86.4％；而測試長度為10s時，識別率達(dá)到96.7%，平均識別時間僅為0.234s，相對于GMM-UBM來說，識別率僅下降了1.9%，但加速比達(dá)到了1082.4，從而驗證本文提出的算法可以用于大規(guī)模垃圾語音過濾。本文最后還驗證了基于說話人特征空間分析選擇的樣本具有一定的穩(wěn)定性，即在小范圍增加數(shù)據(jù)庫說話人的情況下，