基于稀疏表示的說話人確認方法研究.pdf

1、說話人識別作為現(xiàn)代生物信息識別中的一項重要技術(shù)，依據(jù)語音信號確認說話人身份。從1999年起，歷年NIST測評結(jié)果顯示，GMM-UBM識別框架使用統(tǒng)一背景模型自適應(yīng)出目標說話人模型，能更好地表征說話人個性特征。由于GMM建模只是對目標說話人一類數(shù)據(jù)進行的，直接采用GMM似然度得分進行分類具有計算量大、區(qū)分能力不佳等不足之處;將GMM均值超向量作為SVM分類器的輸入，采用非線性核函數(shù)進行二分類，一定程度上提高了說話人識別性能，但是數(shù)據(jù)的不平

2、衡和兩類數(shù)據(jù)的混疊問題對分類效果影響較大。稀疏表示理論指出可壓縮信號能夠在某個空間中由最能反映信號特征且數(shù)量最少的原子線性表示，表征同類信號的基原子分布密集，對不同類信號的表征具有很強的區(qū)分性，可實現(xiàn)信號的分類。本文深入研究語音信號的稀疏表示方法，實現(xiàn)了基于稀疏表示的說話人確認系統(tǒng)。本文主要工作及取得的成果如下:
　　(1)、系統(tǒng)分析了稀疏表示理論，對語音信號的稀疏表示方法進行了研究。鑒于語音信號的稀疏性和可重構(gòu)性，對語音信號進行

3、稀疏表示是可行的，并且稀疏表示方法采用分布密集的基原子表征同類信號，對不同類信號的表征具有很強的區(qū)分性。因此，利用稀疏表示對語音信號進行分類，能夠取得很好的效果。
　　(2)、提出了基于稀疏表示的說話人確認系統(tǒng)GMM-SRC，在GMM-UBM基線系統(tǒng)的基礎(chǔ)上，使用目標說話人和背景說話人的GMM均值超向量構(gòu)建字典，通過l1范數(shù)最優(yōu)化方法求解稀疏表示系數(shù)，再利用重構(gòu)誤差進行識別。在NIST06年語音數(shù)據(jù)庫上進行說話人確認實驗，結(jié)果顯示

4、，GMM-SRC系統(tǒng)的等錯誤率比基線系統(tǒng)降低了1.27％。進一步提出了GMM-SRC和GMM-UBM的說話人確認融合系統(tǒng)，在分數(shù)域?qū)煞N系統(tǒng)進行融合，相比于基線系統(tǒng)，等錯誤率降低了2.35％。
　　(3)、針對GMM-SRC說話人確認系統(tǒng)，提出了一種改進的字典學習方法，在字典的更新過程中加入分類信息，采用D-KSVD算法訓練字典，使生成的字典同時具有稀疏表達和分類能力。進一步，實現(xiàn)了基于D-KSVD的說話人確認系統(tǒng)，其獲得的等錯誤