基于稀疏表示的魯棒性說話人識(shí)別技術(shù)研究.pdf

1、經(jīng)過了幾十年的研究發(fā)展，說話人識(shí)別技術(shù)憑借其快速、簡便的優(yōu)勢(shì)，在人機(jī)接入領(lǐng)域得到了大家廣泛的關(guān)注和研究。匹配模型是說話人識(shí)別研究中的關(guān)鍵技術(shù)，模型性能的優(yōu)劣對(duì)識(shí)別系統(tǒng)識(shí)別率的影響重大。信號(hào)的稀疏表示技術(shù)近幾年被廣泛應(yīng)用于說話人識(shí)別之中，它與高斯混合模型相結(jié)合，顯著提高了識(shí)別系統(tǒng)的準(zhǔn)確率。目前，說話人識(shí)別研究的主要方向是進(jìn)一步提高系統(tǒng)的魯棒性，具體表現(xiàn)為解決信道失配問題和環(huán)境噪聲問題；另一方面，在智能終端廣泛普及情況下，借助智能終端進(jìn)行快

2、速準(zhǔn)確的身份識(shí)別，需要進(jìn)一步解決系統(tǒng)復(fù)雜性問題。本文主要對(duì)基于稀疏表示的魯棒性說話人識(shí)別技術(shù)進(jìn)行了深入研究，在此基礎(chǔ)上，本文主要工作和創(chuàng)新如下：
　?。?）在訓(xùn)練基于高斯混合模型均值超向量的稀疏表示字典時(shí)，需要大量的訓(xùn)練語音以達(dá)到字典冗余的條件，本文提出使用高斯混合模型均值矩陣代替均值超向量進(jìn)行字典訓(xùn)練來解決這個(gè)問題，同時(shí)，每個(gè)說話人即可形成一個(gè)冗余字典進(jìn)行說話人識(shí)別，識(shí)別時(shí)的計(jì)算量也得到了降低。
　　（2）對(duì)比了樣本字典和

3、學(xué)習(xí)字典這兩種字典在干凈語音環(huán)境與有噪語音環(huán)境下的性能，發(fā)現(xiàn)學(xué)習(xí)字典的抗噪能力要弱于樣本字典，并且提出在訓(xùn)練語音中加入噪聲以減小識(shí)別環(huán)境和訓(xùn)練環(huán)境的差異，從而提高識(shí)別率。
　　（3）針對(duì)識(shí)別時(shí)的環(huán)境噪聲問題，提出一種適用于稀疏表示說話人識(shí)別的全局補(bǔ)償方法。該方法對(duì)不同階特征參數(shù)進(jìn)行逐一分析，目的是為了找出被噪聲影響最嚴(yán)重的一階參數(shù)并去除之，以此增強(qiáng)測(cè)試語音與訓(xùn)練語音之間的相關(guān)性，提高了識(shí)別系統(tǒng)適應(yīng)不同噪聲環(huán)境的魯棒性。仿真實(shí)驗(yàn)結(jié)果