噪聲環(huán)境下基于稀疏表示的說話人識別系統(tǒng)的研究.pdf

1、說話人識別作為一種聲紋識別技術(shù)，在模式識別應用發(fā)展迅猛的今天有著無可限量的前景，它與其他利用個人生物特征的識別方式相比，有著操作便捷、設(shè)備低廉的優(yōu)勢，因此近幾年來，對說話人識別的研究引起了人們的廣泛關(guān)注。目前，說話人識別常用的模型是高斯背景混合模型，該模型是根據(jù)通用背景模型訓練得到，相比較于其它模型魯棒性較好，但是其計算量大，識別效果也不盡如人意，隨后很多人在此模型的基礎(chǔ)上進行了改進。近年來，稀疏表示算法在信號處理領(lǐng)域有著驚人的表現(xiàn)，而

2、且已經(jīng)在圖像的識別、處理、分離等方面取得了很好的處理效果。除此之外，還可以將稀疏表示作為一種分類算法引入匹配識別模塊，對說話人識別系統(tǒng)進行改進，并希望通過稀疏表示的特性來解決說話人識別系統(tǒng)中一遇到噪聲干擾，識別效率就會急劇下降的問題。論文的主要工作包括:
　　首先，將稀疏表示的算法引入說話人識別模型中，利用稀疏表示的分類特性對模型的匹配識別方法進行了改進，通過計算最小的標準重構(gòu)誤差來找到對應的說話人。
　　其次，為了滿足稀疏

3、表示算法的要求我們對字典的組成進行設(shè)計，使用目前最主流的GMM均值超向量作為字典原子。針對超向量維度較大的問題，提出了利用Fisher判別比來對字典每一維的分類性能進行比較，并制定規(guī)則來控制字典降低的維度，同時通過在字典中添加單位矩陣I提高系統(tǒng)的抗噪性能，通過仿真證明了將稀疏表示融入說話模型中可以得到更好的識別效率，以及本文提出的I-Fisher算法既能減小字典的維度，也能提高系統(tǒng)的識別與抗噪性能。這種識別模型非常適用于測試語音與訓練語

4、音是在相同環(huán)境中錄制的，即兩種語音的噪聲環(huán)境相同，在這種條件下識別效果很好，但是如果想滿足各種噪聲環(huán)境下的要求就需要訓練多個字典，計算量較大。
　　接下來，針對不同的噪聲環(huán)境下識別率下降的問題，提出了基于稀疏表示的一種新的字典構(gòu)建辦法來解決噪聲的影響。根據(jù)MCA形態(tài)成分分析法的原理，使用純凈語音來訓練說話人字典，通過添加噪聲字典的方法可以將求得的稀疏表示系數(shù)分離成純凈語音系數(shù)部分與噪聲系數(shù)部分，對純凈語音的系數(shù)部分計算重構(gòu)誤差從而

5、排除噪聲的影響來進行識別。
　　為了得到能夠滿足設(shè)計要求的字典，我們使用K-SVD字典學習方法分別訓練兩種字典并進行拼接，將噪聲字典作為說話人字典的一部分融入大字典中一起進行稀疏表示分解求取系數(shù)。提出通過對含有噪聲的測試語音進行相同的分解辦法，提取重構(gòu)出測試語音所含的噪聲來更新噪聲字典。還通過仿真證明了本文算法能夠在測試語音與訓練語音在環(huán)境噪聲不同的情況下有效地減少噪聲對識別率的影響。
　　本文主要提出了噪聲環(huán)境下基于稀疏表