說話人識(shí)別語音庫構(gòu)建技術(shù)的研究.pdf

1、說話人識(shí)別技術(shù)如今在日常生活中得到廣泛地應(yīng)用。由于移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展，語音數(shù)據(jù)量正在不斷地增長，大規(guī)模應(yīng)用下的快速識(shí)別任務(wù)成為新的研究熱點(diǎn)。然而
　　對于研究人員來說，除去算法層面的挑戰(zhàn)，如何構(gòu)建一個(gè)大規(guī)模的說話人識(shí)別語音庫是新的難題。傳統(tǒng)的說話人識(shí)別語音庫的構(gòu)建方式成本高昂且時(shí)間周期長，難以滿足當(dāng)前的需求。
　　本課題以互聯(lián)網(wǎng)上海量的語音資源作為提取目標(biāo)，針對實(shí)際的應(yīng)用場景設(shè)計(jì)了一套以說話人分割與聚類技術(shù)為核心的說話人識(shí)

2、別語音庫構(gòu)建方法。該方法不僅降低了語音采集階段的金錢成本，并利用半自動(dòng)的處理方式極大地縮短構(gòu)建的時(shí)間周期。本文重點(diǎn)研究了語音庫構(gòu)建過程中語音提取、語音檢驗(yàn)等核心問題。
　　在語音提取方面，主要針對端點(diǎn)檢測、聚類測度、模型選擇三個(gè)方面做出改進(jìn)?；陬l譜熵的端點(diǎn)檢測特點(diǎn)提出了一種改進(jìn)的帶熵檢測特征，實(shí)驗(yàn)證明該特征在復(fù)雜背景下依舊能保持穩(wěn)定的檢測能力。結(jié)合本課題的數(shù)據(jù)特點(diǎn)及應(yīng)用目的，設(shè)計(jì)了一種基于T2距離與信息量差異的兩級(jí)說話人聚類判決

3、算法，實(shí)驗(yàn)結(jié)果顯示該算法能有效地改善說話人聚類的效果，并設(shè)計(jì)了一種停止閾值計(jì)算公式，使聚類能在合適的位置停止。說話人建模階段，在分析了出現(xiàn)誤判的原因的基礎(chǔ)上，設(shè)計(jì)了一種基于背景噪聲與全局說話人模型的似然得分之差的語音過濾方法，能夠在數(shù)據(jù)幀層面上去除掉無效的語音。在語音檢驗(yàn)方面，以說話人確認(rèn)技術(shù)為基礎(chǔ)設(shè)計(jì)了一種語音檢驗(yàn)與語音過濾機(jī)制，以達(dá)到語音類型判斷以及語音去重的目的。
　　結(jié)合上述提出的語音提取與語音檢驗(yàn)方式，本文設(shè)計(jì)了一套完整