基于韻律特征和SVM的說話人識別.pdf

1、語音信號是用于個人身份確認的一種有效的生物特征，與文本無關的說話人識別的研究也是語音信號處理的一個重要的研究方向，其研究具有重要的理論意義和廣泛的應用前景。為了考察最新的相關研發(fā)進展，并提供統(tǒng)一的衡量標準，美國國家標準技術研究院(NIST)于1996年起開始主持說話人識別評測。NIST說話人評測代表了說話人識別領域的最高水準，NIST設立了多項評測任務，探索和嘗試各種語音條件下的研究方法，并為各個項目指定統(tǒng)一的電話和廣播語音(多環(huán)境、多

2、通道、大規(guī)模說話人)、測試基準、評測規(guī)則和標準。其中一個任務是采用長語音進行說話人識別，是為了探索用于與文本無關的說話人識別的語音信號高層次信息而設置的。
　　 除了短時倒譜參數(shù)，語音中的高層次信息也是一種有效的說話人特征參數(shù)，但其通常與文本內(nèi)容有關，因此研究從信號中提取可用于與文本無關說話人識別的語音高層次特征信息就成了目前研究的焦點。本文對韻律的提取方法及其與區(qū)辨模型結合運用于與文本無關的說話人識別進行了探討。
　　

3、 從與文本無關的說話人識別的特點出發(fā)，本文先介紹概率統(tǒng)計模型，從文本相關的語音韻律(語音特征隨時間變化的軌跡)中提取的特征信息，進行數(shù)據(jù)壓縮、聚類，再利用支持向量機SVM進行區(qū)分。
　　 本文利用一種基于小波分析從韻律中提取超音段韻律信息的方法，分別從聲道的MFCC軌跡和基頻軌跡，時域能量軌跡中進行超音段韻律特征的提取。由MFCC各維參數(shù)的近似不相關和聲道緩變的特點，MFCC軌跡的韻律特征只以概貌系數(shù)來刻畫，提取的PMFCC作為