基于韻律特征的GMM-UBM的說話人確認研究.pdf

1、文本無關的說話人識別是目前語音信號處理的一個重要研究方向，其廣泛的應用于公安、軍隊、金融等領域的身份驗證和信息檢索，使得說話人識別技術在全世界各研究機構(gòu)的努力下不斷發(fā)展和革新。為了考察語音技術的最新研究和發(fā)展水平，美國國家標準技術委員會(NIST)于1996年開始組織了說話人識別的評測，NIST也代表了全世界說話人識別領域的最高水平。它設立了多個評測任務，并為每個參賽單位提供了統(tǒng)一的多通道和多環(huán)境的電話和廣播語音、測試規(guī)則和標準，用于研

2、究不同環(huán)境和條件下的語音技術的研究方法。在NIST SRE中，用長語音進行說話人識別是說話人識別任務的一個子任務，就是為了研究如何用語音信號中的高層信息經(jīng)行話者確認而設置的。
　　除了我們常用的梅爾倒譜特征參數(shù)MFCC，語音中的高層特征參數(shù)也是一種用于說話人識別的有效特征參數(shù)，但其往往是與文本內(nèi)容有關的，因此如何從語音信號中提取出文本無關的高層特征參數(shù)用于說話人識別是目前研究的焦點。本文在如何提取韻律特征的參數(shù)及結(jié)合高斯混合模型用

3、于說話人識別進行了探討。
　　針對上述問題，本文所做的工作主要有以下3點:
　　(1)本文首先詳細介紹了常用的基頻提取方法:自相關函數(shù)法、循環(huán)幅值差分函數(shù)法、倒譜法，通過實驗，研究了基頻提取的正確率對基于超音段韻律特征參數(shù)的說話人識別系統(tǒng)性能有較大影響，并提出了改進的基于循環(huán)幅值差函數(shù)法和倒譜法的方法，對這四種方法經(jīng)行了實驗對比。通過實驗驗證，各項指標包括均方根誤差，基頻正確率和嚴重錯誤率表明，改進的基于循環(huán)幅值差函數(shù)法和倒

4、譜法的方法，也即是本文的方法比其他三種中任何一種要好。
　　(2)本文通過實驗說明了不同的說話人超音段韻律特征分布的差異，并根據(jù)這種差異，構(gòu)建了基于超音段韻律特征的高層說話人特征參數(shù)。結(jié)合經(jīng)典的GMM-UBM-MAP的識別模型，搭建了基于超音段韻律特征參數(shù)的說話人識別系統(tǒng)，通過實驗，該系統(tǒng)單獨用于說話人識別的等誤識率EER達到17.77％。
　　(3)短時特征參數(shù)MFCC反映了說話人的聲道特征，而超音段韻律特征參數(shù)以基頻為主