基于改進(jìn)高斯混合模型的說(shuō)話人識(shí)別方法研究.pdf

1、說(shuō)話人識(shí)別是一種利用語(yǔ)音信號(hào)來(lái)驗(yàn)證說(shuō)話人身份的技術(shù)，與人臉識(shí)別，指紋識(shí)別，同屬于生物特征識(shí)別的范疇。說(shuō)話人識(shí)別可廣泛的應(yīng)用于金融，通信，安全等領(lǐng)域。
　　 高斯混合模型是目前主流的說(shuō)話人識(shí)別技術(shù)，目前高斯混合模型的參數(shù)估計(jì)方法主要是基于極大似然估計(jì)的EM算法。EM算法簡(jiǎn)單穩(wěn)定，但對(duì)初始值較敏感，而且EM算法中無(wú)法實(shí)現(xiàn)自適應(yīng)的參數(shù)選擇，即采用EM算法的高斯混合模型的高斯密度函數(shù)的個(gè)數(shù)是給定的，必須依賴于先驗(yàn)專業(yè)知識(shí)進(jìn)行選擇，帶有一

2、定的主觀性。
　　 對(duì)于第一個(gè)問題，本文將蒙特卡羅過(guò)程中的吉布斯抽樣算法引入高斯混合模型中的參數(shù)估計(jì)當(dāng)中，避免了EM算法中的初始值敏感問題，同時(shí)使參數(shù)的收斂更快，從而提高了說(shuō)話人識(shí)別系統(tǒng)的性能。
　　 對(duì)于第二個(gè)問題，本文提出了一種無(wú)限高斯混合模型。理論上高斯混合模型是由無(wú)限個(gè)高斯密度函數(shù)組成的，高斯密度函數(shù)是否能夠顯現(xiàn)取決于是否存在由其產(chǎn)生的觀測(cè)值。推導(dǎo)過(guò)程本身使用狄力克雷過(guò)程構(gòu)造無(wú)限混合模型，通過(guò)蒙特卡羅過(guò)程中吉布斯

3、抽樣的方法來(lái)估計(jì)模型參數(shù)。實(shí)驗(yàn)證明，無(wú)限高斯混合模型能夠有效的提高說(shuō)話人識(shí)別系統(tǒng)的辨識(shí)率。
　　 噪聲和干擾一直是影響識(shí)別率提高的原因，大多數(shù)研究工作集中在模型的前端處理，在說(shuō)話人識(shí)別后端處理方面研究不多。本文提出了一種新的非線性變換方法——?dú)w一化變換，該方法對(duì)幀似然概率進(jìn)行變換從而得到幀得分，將前N幀得分進(jìn)行平均，作為當(dāng)前幀得分的權(quán)值。實(shí)驗(yàn)表明，歸一化指數(shù)變換能夠提高識(shí)別率，也就是說(shuō)對(duì)說(shuō)話人識(shí)別系統(tǒng)的后端進(jìn)行處理也能夠提高系統(tǒng)