復雜背景下說話人確認的研究.pdf

1、復雜背景下的說話人確認是指，在語音信號背景比較復雜的情況下，對說話人身份的確認工作。復雜背景包括，除了說話人語音以外，其他的背景音樂、噪聲以及各種雜質音質。因此，復雜背景下的說話人確認要包括兩大方面的工作，一方面是語音信號分離;另一方面是對已經(jīng)通過分離算法得到的純凈的語音信號進行身份確認。
　　當前的語音信號分離，主要采取兩種方法，一種是聽覺場景分析(ASA)，另一種是盲源分離(BSS)。盲源分離方法是對混合后的信號進行操作，從而

2、提取出其中的獨立分量，因而此算法也稱為獨立分量分析(ICA)。ICA有很多的分支方法，其中一種方法在信號分離領域得到廣泛應用，這種方法的分離效果較好，同時也因為它的快速收斂特性，被稱為固定點FastICA。本文在FastICA算法的原理基礎之上，引入了基于MCMC的貝葉斯估計，改善了針對非稀疏源信號的分離情況，提高了FastICA的語音分離效果。
　　在說話人確認模型的選取方面，因為本文分析的對象是與文本無關的說話人確認，故而采用

3、一種對傳統(tǒng)GMM模型的一種改進方式:高斯混合模型-全局背景模型(GMM-UBM)，這個模型可以通過對大量的語音信號進行訓練，得到用來描述特征分布的高階GMM，這也是此模型的一大優(yōu)點。針對模型的魯棒性能改進，論文采用Feature Mapping和MAP兩種信道補償?shù)姆椒?，都取得了很好的效果?br>　　最后，基于以上各種方法，采用工具Visual Studio2010和Matlab2014a，完成論文介紹的復雜背景下說話人確認系統(tǒng)的研究