基于GMM和SVM的說話人識別方法研究.pdf

1、說話人識別技術是生物認證的一種，它是根據說話人語音波形中能反映說話人生理和行為個性特征的語音參數來自動鑒別說話人身份的過程，該技術以其顯著的使用方便、經濟和有效等優(yōu)勢在許多領域中有著廣泛的應用前景。
　　 本文主要研究了噪聲環(huán)境下文本無關的說話人識別的相關內容。為改善系統(tǒng)識別率和系統(tǒng)響應時間，本文在介紹說話人識別基本原理的基礎上，重點圍繞識別模型和語音去噪兩方面進行研究。在識別模型方面，詳細介紹了高斯混合模型(GMM)和支持向量

2、機(SVM)模型的理論知識，并針對兩者自身的優(yōu)缺點，本文提出了兩種GMM和SVM相結合的方法，實驗證明這兩種混合模型都可以改善系統(tǒng)性能。針對噪聲環(huán)境下，系統(tǒng)識別率急劇下降的問題，本文在原有小波閾值去噪的基礎上提出了一種改進的閾值函數并采用了區(qū)分清濁音的小波去噪方法，實驗證明這些改進可取得更好的去噪效果。具體研究工作如下:
　　 (1) GMM屬于概率統(tǒng)計模型，有很強的數據描述能力和較弱的數據分類能力。SVM模型屬于分類器模型，有

3、很強的數據區(qū)分能力和較弱的數據描述能力。結合這些特點，本文提出了用GMM對大樣本特征參數聚類得到能更好表征說話人個性特征的小樣本的GMM模型參數作為SVM特征參數的模型結合方法。實驗證明該模型既可以改善系統(tǒng)響應時間又可以提高系統(tǒng)識別率。
　　 (2)當說話人集合比較大時，針對SVM識別耗時的問題，本文又提出了另一種GMM和SVM相結合的方法。通過實驗可知，對于相同的特征數據，在識別階段，一般情況下GMM比SVM所用的時間短，而且

4、我們還可發(fā)現即使GMM識別錯誤，但如果將最大后驗概率按由大到小進行排序，正確說話人模型所對應的最大后驗概率還是比較靠前的。根據這些特點，本文提出了用GMM作首次識別用SVM做二次識別的結合模型，通過GMM的首次識別來確定幾個最有可能的結果來縮小用于SVM識別的說話人集合，從而進一步改善系統(tǒng)響應時間。
　　 (3)在安靜環(huán)境下，系統(tǒng)可以取得比較滿意的識別率，針對噪聲環(huán)境下系統(tǒng)識別率急劇下降的問題，本文提出了一種改進形式的小波閾值函