基于文本無(wú)關(guān)的聲紋識(shí)別算法的研究及實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，網(wǎng)絡(luò)逐漸覆蓋到了社會(huì)生活的各個(gè)角落。在互聯(lián)網(wǎng)環(huán)境中，傳統(tǒng)的身份認(rèn)證方法面臨巨大的挑戰(zhàn)，越來(lái)越無(wú)法適應(yīng)實(shí)際應(yīng)用環(huán)境的需求。在所有的身份認(rèn)證方法中，生物特征身份識(shí)別技術(shù)是一種基于人類特有的生理和后天特性進(jìn)行的身份識(shí)別技術(shù)，因其獨(dú)特的優(yōu)勢(shì)而在實(shí)際中得到了廣泛的應(yīng)用。在所有生物特征身份識(shí)別技術(shù)中，與文本無(wú)關(guān)的聲紋確認(rèn)技術(shù)被認(rèn)為是最具實(shí)用性的生物特征身份識(shí)別技術(shù)之一，該技術(shù)通過(guò)目標(biāo)說(shuō)話人的語(yǔ)音對(duì)說(shuō)話人的身份進(jìn)行確認(rèn)，是語(yǔ)

2、音識(shí)別研究的一個(gè)重要分支。在實(shí)際應(yīng)用環(huán)境中，受到采集設(shè)備、傳輸線路等多種因素的影響，最終得到的有效語(yǔ)音數(shù)據(jù)非常有限，進(jìn)而使得系統(tǒng)的識(shí)別性能和執(zhí)行效率很難達(dá)到理想的識(shí)別效果。因此，本文主要基于文本無(wú)關(guān)的短語(yǔ)音聲紋確認(rèn)方法進(jìn)行研究。
　　在聲紋確認(rèn)系統(tǒng)中，系統(tǒng)的識(shí)別率和計(jì)算復(fù)雜度是衡量系統(tǒng)性能的重要指標(biāo)。傳統(tǒng)的 UBM-MAP-GMM模型架構(gòu)在一定程度上解決了測(cè)試語(yǔ)音與訓(xùn)練語(yǔ)音失配的情況，系統(tǒng)識(shí)別性能也比較理想，然而在實(shí)際應(yīng)用中，面對(duì)

3、短語(yǔ)音問(wèn)題，該模型的運(yùn)算量需求較大，系統(tǒng)魯棒性較差。因此，本文從減少系統(tǒng)計(jì)算量、提高識(shí)別率等多個(gè)角度出發(fā)對(duì)聲紋識(shí)別算法進(jìn)行了研究，具體有以下幾個(gè)方面：
　　1．分析了模型訓(xùn)練中模型初始值對(duì)EM算法的影響，針對(duì)傳統(tǒng)K-mea ns算法隨機(jī)選擇初始聚類中心可能導(dǎo)致算法局部收斂的缺陷，提出了基于密度和距離的初始聚類中心選擇算法，對(duì)K-means算法進(jìn)行了改進(jìn)，并且通過(guò)實(shí)驗(yàn)證明了算法。
　　2．探討分析了UBM-MAP-GMM模型架

4、構(gòu)，針對(duì)其計(jì)算量大、個(gè)人聲紋模型GMM服從同一模型結(jié)構(gòu)及部分高斯分量對(duì)識(shí)別結(jié)果的影響，提出了基于UBM-CM-MAP-GMM模型架構(gòu)的聲紋確認(rèn)方法。實(shí)驗(yàn)證明，該方法使得算法在識(shí)別時(shí)間、等錯(cuò)誤率方面都有一定的改善。
　　3．在UBM-CM-MAP-GMM模型架構(gòu)中，對(duì)聲紋模型GMM的混合度的取值進(jìn)行研究，實(shí)驗(yàn)數(shù)據(jù)顯示當(dāng)GMM混合度為UBM的一半時(shí)效果最好。
　　4．在UBM-CM-MAP-GMM模型架構(gòu)上實(shí)現(xiàn)了短語(yǔ)音聲紋確認(rèn)軟