文本無關(guān)的多說話人確認(rèn)研究.pdf

1、近年來,在生物特征識別領(lǐng)域,說話人識別以其獨特的安全性、經(jīng)濟(jì)性和準(zhǔn)確性等優(yōu)勢受到越來越多的關(guān)注,并逐漸成為人們生活和工作中重要的身份驗證方式,具有廣闊的市場前景。說話人識別的一個重要研究分支是說話人確認(rèn),本文著重對說話人確認(rèn)展開研究。
　　本文從說話人確認(rèn)的系統(tǒng)框架入手,對系統(tǒng)的各部分予以詳細(xì)的介紹。隨后針對復(fù)雜條件下的說話人確認(rèn)問題,重點研究了特征提取、說話人分割、模型建立等技術(shù)。本文的主要研究工作及創(chuàng)新點如下:
　　1.

2、構(gòu)建基于GMM-UBM的說話人確認(rèn)系統(tǒng)并將其作為本文的基線系統(tǒng),研究分析了影響系統(tǒng)性能的相關(guān)因素,包括高斯混合度、訓(xùn)練語音長度、得分規(guī)整技術(shù),并通過實驗進(jìn)行驗證。
　　2.在特征提取方面,為了提升噪聲環(huán)境下說話人確認(rèn)系統(tǒng)的性能,本文提出了一種具有較強(qiáng)噪聲魯棒性的多窗譜減MFCC特征。多窗譜減MFCC是在已有多窗譜MFCC(Multitaper MFCC)基礎(chǔ)上的改進(jìn),主要是將多窗譜估計技術(shù)與譜減法進(jìn)行了結(jié)合。仿真結(jié)果表明,當(dāng)測試語

3、音中含有加性噪聲時,與多窗譜 MFCC提取算法相比,采用多窗譜減MFCC的說話人確認(rèn)系統(tǒng)性能在等錯誤率EER和最小檢測代價函數(shù)值minDCF兩項評測指標(biāo)上都取得了較好的結(jié)果。
　　3.在說話人分割方面,針對傳統(tǒng)基于BIC的說話人分割算法累積計算量大、冗余分割點過多,導(dǎo)致分割速度慢、分割準(zhǔn)確度降低的問題,相關(guān)文獻(xiàn)采用了分治算法對其進(jìn)行改進(jìn),雖然改進(jìn)法能夠大幅提高分割速度,但準(zhǔn)確度卻有所降低。為了達(dá)到分割速度與分割準(zhǔn)確度同時提高的目的