清輔音特征分析及其在耳語(yǔ)音說話人識(shí)別中的應(yīng)用.pdf

1、耳語(yǔ)發(fā)音是人的一種特殊發(fā)音方式，與正常發(fā)音相比有很大差別。耳語(yǔ)音在人們的日常生活中應(yīng)用普遍且起著較為廣泛的作用。
　　耳語(yǔ)發(fā)音方式下的說話人識(shí)別是一個(gè)有意義的課題。耳語(yǔ)音的發(fā)音特性決定了耳語(yǔ)音說話人識(shí)別的難度要大于正常音說話人識(shí)別?？紤]到耳語(yǔ)發(fā)音比正常發(fā)音變化大，實(shí)驗(yàn)中較難獲得充足的耳語(yǔ)音訓(xùn)練數(shù)據(jù)，本文著手研究一種正常音訓(xùn)練的耳語(yǔ)音說話人識(shí)別系統(tǒng)。由于耳語(yǔ)音有別于正常音，當(dāng)耳語(yǔ)音說話人識(shí)別系統(tǒng)用正常音訓(xùn)練時(shí)，識(shí)別性能就會(huì)發(fā)生急速下

2、降。在這種情況下，如何提高耳語(yǔ)音說話人識(shí)別系統(tǒng)的準(zhǔn)確率就很值得探討與研究。針對(duì)以上問題，本文主要做了以下幾個(gè)方面的工作：
　　一、針對(duì)正常音訓(xùn)練的耳語(yǔ)音說話人識(shí)別系統(tǒng)，引入了兩種新的特征提取方法：線性頻率倒譜系數(shù)(Linear Frequency Cepstral Coefficients, LFCC)和指數(shù)頻率倒譜系數(shù)(Exponential Frequency Cepstral Coefficients, EFCC)，這兩種特

3、征提取方法都強(qiáng)調(diào)了語(yǔ)音的高頻部分。實(shí)驗(yàn)證明，在高斯混合通用背景模型(GMM-UBM)下的耳語(yǔ)音說話人識(shí)別系統(tǒng)中，LFCC和 EFCC特征要優(yōu)于傳統(tǒng)的美爾頻率倒譜系數(shù)(Mel-Frequency Cepstral Coefficients, MFCC)特征，識(shí)別率提高了8%左右。
　　二、通過計(jì)算正常音-耳語(yǔ)音、正常音清輔音-耳語(yǔ)音清輔音高斯混合模型(Gaussian Mixture Model, GMM)之間的KL散度距離，證明正

4、常音和耳語(yǔ)音相比較，它們的清輔音成分之間具有更大的相似性。然后提取了耳語(yǔ)音的細(xì)節(jié)信號(hào)系數(shù)與近似信號(hào)系數(shù)之比(Detail-Approximation Energy Ratio, DAER)作為特征參數(shù)用于耳語(yǔ)音的聲韻分割。
　　三、為了進(jìn)一步改善正常音訓(xùn)練的耳語(yǔ)音說話人識(shí)別系統(tǒng)的性能，本文將清輔音應(yīng)用于耳語(yǔ)音說話人識(shí)別系統(tǒng)中，得到正常音清輔音訓(xùn)練、耳語(yǔ)音清輔音測(cè)試的說話人識(shí)別系統(tǒng)。實(shí)驗(yàn)表明，同樣在LFCC特征提取下，相比于正常音訓(xùn)