基于改進(jìn)特征參數(shù)的說話人識別魯棒性研究.pdf

1、隨著多媒體信息技術(shù)的快速發(fā)展，互聯(lián)網(wǎng)中的語音資源呈現(xiàn)出了爆炸式地增長，因此正確的處理這些語音用以分類和識別具有重要的意義。說話人識別又稱為聲紋識別,是一種非常重要的生物特征識別技術(shù)，已經(jīng)取得許多重要的成果，有著非常廣闊的應(yīng)用前景?，F(xiàn)有的說話人識別系統(tǒng)在純凈語音下的效果很好，但是在實際應(yīng)用中，會受到各種因素的影響，系統(tǒng)性能大幅下降。因此如何提高說話人識別系統(tǒng)的魯棒性是研究的重點和難點。
　　本文在分析和總結(jié)前人研究的基礎(chǔ)上，針對現(xiàn)有

2、的說話人識別系統(tǒng)魯棒性不足的問題，作了如下內(nèi)容研究：
　　（1）在信號域中，提出了一種基于理想二進(jìn)制掩膜和稀疏編碼的語音增強(qiáng)算法，并且通過分析增強(qiáng)后語音信號的語音感受質(zhì)量評估(PESQ)與傳統(tǒng)算法進(jìn)行了對比。對比證明，該算法對帶噪語音具有很好的增強(qiáng)效果；
　?。?）在特征域中，引入了特征規(guī)整、MVA特征后處理算法等在倒譜域進(jìn)行信道補(bǔ)償并抑制噪聲。并且針對傳統(tǒng)特征參數(shù)，如梅爾頻率倒譜系數(shù)(MFCC)魯棒性不足的問題，提出了改進(jìn)

3、的能量規(guī)整倒譜系數(shù)(IPNCC)和改進(jìn)的Gammatone濾波倒譜系數(shù)(IGFCC)，通過實驗表明，這兩種特征均可大幅度提升系統(tǒng)的抗噪性能，尤其是在信噪比低于10dB的情況下，魯棒性具有更大的提升；而在實時率上的實驗結(jié)果表明，IGFCC相對于GFCC實時率降低21.79%，雖有一定的降低，仍可滿足實時性要求。IPNCC相對MFCC實時率降低53.76%，更適合離線識別；
　　（3）在模型域中，首先通過實驗對比了高斯混合模型-通用背