鲁棒的与文本无关的说话人识别算法的研究

摘要

说话人识别技术与其他生物识别技术相比，具有更为简便、经济和更好的可扩展性等优点。目前的说话人识别系统对纯净语音已经可以达到很高的识别精度，但当用于识别的语音存在失真时，系统的识别性能显著下降。实际应用中造成语音失真的因素非常多。因此，提高识别系统的鲁棒性是说话人识别技术走向实用化的关键。本文从鲁棒性特征分析提取和优选、噪声失真补偿、说话人预分类等几个方面展开研究，提出了改进算法，取得了一些研究成果。 本文在介绍说话人识别中常用的语音特征参数和典型的说话人分类模型的基础上，特别分析了感知线性预测倒谱系数(PLPCC)参数的特点和提取方法，比较了几种参数在与文本无关的说话人识别中的性能，得到了基于PLPCC语音特征参数和高斯混合模型(GMM)的系统具有更好的性能的结果。并根据GMM和人工神经网络(ANN)模型的特点，提出了一种基于ANN和GMM模型联合得分判别的识别方法，在一定程度上提高了识别性能。 在分析和研究基音同步分析方法和鉴别性特征参数选取方法的基础上，提出了基于语音基音同步分析特征参数提取和Fisher比特征参数矢量分量优选降维的说话人识别算法。该算法采用基音同步分析方法提取各帧语音的PLPCC及其ΔAPLPCC特征参数，再利用Fisher比对由基音P、12阶PLPCC和ΔPLPCC组成的特征参数矢量的各维分量进行优选，使最终的特征参数矢量得到降维。与文本无关的闭集说话人识别仿真实验表明：语音基音同步分析特征参数提取和Fisher比特征参数矢量分量优选降维可以提高识别系统性能；本算法与通常的算法相比，其识别率和鲁棒性得到了提高，而有效降低了模型的复杂度。 训练条件与测试条件的不匹配是导致说话人识别系统性能下降的一个重要原因，而噪声是引起这种失配的主要因素之一。提高系统在噪声环境下的性能的一个重要方法就是对噪声进行补偿，使失配减小。本文在仔细分析短时语音频谱结构特征的基础上，提出了一个基于浊音语音谐波频谱子带加权重建的抗噪声说话人识别算法。该算法针对浊音语音谐波频谱结构的特征，对受噪声污染的浊音频谱在各个谐波带上根据信号能量和谱平坦度测度实施加权重建，然后基于重建的浊音频谱提取相应的PLPCC参数，在参数域上实现对噪声的补偿。仿真结果表明，该算法可以对多种类型的含噪语音进行良好的噪声补偿，明显提高在噪声环境下的说话人识别率，特别是低SNR环境下的识别率，噪声补偿性能明显优于谱减法和倒谱均值相减法的补偿方法。 语音的基音特征也是一种具有一定鲁棒性的语音特征参数。本文研究了基音提取方法及其在说话人识别中的应用。在分析已有的基音检测算法的基础上，本文提出了儿种改进的基音检测算法：(1)基于倒谱修正模型的语音基音检测算法，(2)改进的平均幅度差函数语音基音检测算法，(3)基于小波变换的含噪语音基音检测的改进算法。实验结果表明，本文提山的改进算法与对应的基本算法及其相关改进算法相比，基音检测精度特别是在噪声环境卜的基音检测精度有了不同程度的提高。另外，基音在说话人识别中应用的仿真结果也表明：基音与倒谱类特征参数PLPCC、MFCC、LPCC的组合应用，可以提高识别系统的识别率和鲁棒性。 本文还就基于性别特征和年龄特征的说话人分类问题进行了研究。针对成年说话人性别的分类问题，提出了一个基于基音与RASTA-PLPCC组合特征参数和GMM模型的改进算法，获得了很高的分类精度和很好的鲁棒特性。针对儿童与成年说话人的分类问题，提出了一个采用基音、共振峰、RASTA-PLPCC及其差分RASTA-PLPCC参数为组合特征参数的分类算法，实验结果充分显示出该算法在儿童与成年说话人分类上的有效性。

目录

文摘

英文文摘

声明

第一章 绪论

1.1选题及研究意义

1.2研究背景及现状

1.3说话人识别存在的问题及研究难点

1.4失配问题

1.4.1非线性失真

1.4.2信道失真

1.4.3噪声失真

1.5论文主要工作

1.6论文组织结构

第二章 语音特征参数提取及说话人识别方法研究

2.1引言

2.2说话人识别的定义

2.3语音特征参数提取

2.3.1线性预测分析

2.3.2滤波器组分析

2.3.3两种常用的倒谱特征参数

2.3.4其他特征参数

2.3.5感知线性预测倒谱系数(PLPCC)

2.4说话人识别方法

2.4.1说话人模型

2.4.2基于高斯混合模型(GMM)的说话人识别方法

2.5 PLPCC特征参数在说话人识别中的性能测试与比较

2.5.1 PLPCC特征参数在基于GMM的说话人识别方法中的性能比较

2.5.2 PLPCC特征参数在几种基本的说话人识别方法中的性能比较

2.6基于ANN和GMM模型的联合得分判别的说话人识别方法

2.7本章小结

第三章说话人识别中的基音同步语音分析和特征参数选择

3.1引言

3.2基音同步分析技术

3.3特征参数的选择

3.3.1基于类内类间距离的可分性判据

3.3.2基于概率分布的可分性判据

3.4基于基音同步语音分析及Fisher准则的说话人识别算法

3.4.1语音特征参数的选用

3.4.2基音同步分析方法的语音特征参数提取

3.4.3基于Fisher准则的特征参数的筛选与降维

3.4.4说话人模型

3.4.5仿真实验结果

3.5本章小结

第四章基于噪声补偿的说话人识别研究

4.1引言

4.2说话人识别中的噪声补偿方法

4.2.1基于谱相减的噪声消减算法

4.2.2信道与噪声联合的参数补偿算法

4.2.3几种噪声补偿方法的实验结果与分析

4.3基于浊音语音谐波谱子带加权重建的抗噪声说话人识别算法

4.3.1分帧语音的短时频谱特征

4.3.2浊音语音短时频谱的子带加权重建

4.3.3实验结果

4.4本章小结

第五章语音基音特征检测及其在说话人识别中的应用

5.1引言

5.2语音基音特征检测的典型算法

5.2.1自相关函数基音检测算法(ACF-PDA)

5.2.2平均幅度差函数基音检测算法(AMDF-PDA)

5.2.3倒谱基音检测算法(CEP-PDA)

5.2.4小波变换基音检测算法(WT-PDA)

5.3改进的基音检测算法

5.3.1基于倒谱修正模型的语音基音检测算法

5.3.2改进的平均幅度差函数语音基音检测算法

5.3.3基于小波变换的含噪语音基音检测的改进算法

5.4基音特征在说话人识别中的应用

5.5本章小结

第六章基于性别和年龄特征的说话人分类方法研究

6.1引言

6.2说话人性别分类

6.2.1语音特征参数和分类模型的选择

6.2.2分类实验比较

6.3儿童与成人说话人分类

6.3.1语音特征参数和分类模型的选择

6.3.2分类性能测试比较

6.4本章小结

第七章总结与展望

7.1论文总结

7.2进一步研究的方向

参考文献

攻读博士期间参加的科研项目及完成的与课题相关的论文成果

鸣谢