基于ICA和GMM的無約束說話人識(shí)別研究.pdf

1、說話人識(shí)別技術(shù)屬于生物認(rèn)證技術(shù)的一種,是一項(xiàng)根據(jù)語音波形中反映出來的生理和行為特征的語音參數(shù),自動(dòng)識(shí)別說話人身份的技術(shù)?；诩儍粽f話人語音的說話人識(shí)別技術(shù)研究歷史較長,方法較為成熟,但是在存在強(qiáng)烈干擾源的情況下,一般說話人識(shí)別系統(tǒng)的識(shí)別性能大大下降。
　　 本文研究了基于梅爾倒譜系數(shù)和高斯混合模型的說話人識(shí)別系統(tǒng),在此基礎(chǔ)上,將信號處理領(lǐng)域的盲信號分離技術(shù)引入傳統(tǒng)的說話人識(shí)別系統(tǒng)框架,作為對含噪說話人語音的一種預(yù)處理手段。實(shí)驗(yàn)表

2、明無論是在實(shí)驗(yàn)室仿真實(shí)驗(yàn)中還是在真實(shí)環(huán)境錄制語音中,上述方法都可以有效地提高說話人識(shí)別系統(tǒng)的性能。在基于文本無關(guān)的說話人識(shí)別中,當(dāng)前的主流識(shí)別技術(shù)是基于高斯混合模型的算法,而采用模擬人耳聽覺感知系統(tǒng)的梅爾倒譜系數(shù)作為參數(shù)特征可以有效地表征說話人語音的頻率特性。文中采用這兩種技術(shù)研究實(shí)現(xiàn)了一個(gè)基本說話人識(shí)別系統(tǒng),并在實(shí)驗(yàn)室構(gòu)建的文本無關(guān)語料庫上進(jìn)行實(shí)驗(yàn),取得了較好的識(shí)別效果,在20人的模板庫上識(shí)別正確率基本在80％以上,并且隨著訓(xùn)練語音和

3、測試語音長度的增加,識(shí)別率可以上升到93％左右?，F(xiàn)實(shí)環(huán)境下,錄制的說話人語音信號常常受到其他語音或者噪音的干擾,并且麥克風(fēng)拾取的信號可以視作目標(biāo)語音信號與干擾信號的卷積混合,因此,在說話人識(shí)別系統(tǒng)的前端增加對含干擾源語音的盲源分離環(huán)節(jié)是提高說話人識(shí)別系統(tǒng)性能的有效方法。文中對基于瞬時(shí)混合模型和基于卷積混合模型的含噪語音信號分別用固定點(diǎn)迭代算法和基于自然梯度的信息最大化算法進(jìn)行盲源分離,并對頻域的亂序分離信號用基于能量相關(guān)性和基于基本向量