變音環(huán)境下魯棒性說話人辨認關鍵技術研究.pdf

1、隨著計算機技術的不斷提高以及社會信息化程度的逐漸深入，說話人識別技術的應用場景也越來越多，并且用戶對說話人識別系統(tǒng)的友好性、精確性和魯棒性的期望也逐漸提高。在純凈語音環(huán)境下，說話人識別技術發(fā)展的已相當成熟了，但是在實際應用場景中，說話人識別系統(tǒng)的準確性受到許多環(huán)境因素的影響，例如由于環(huán)境噪聲導致采集的語音受污染影響識別率，再比如說話人由于某種原因導致變聲影響識別率，常見的就是身體健康狀況的變化（例如感冒），上述各種因素都是導致目前說話人

2、識別系統(tǒng)魯棒性不強的主要原因。在語音識別魯棒性技術研究中，第一種情況環(huán)境噪聲的影響，目前已經(jīng)得到研究人員廣泛關注，采取各種措施降低噪聲影響提高識別率，但對于后者即說話人本身變聲的研究還十分缺乏，本文側重研究變聲環(huán)境下如何提高說話人識別系統(tǒng)魯棒性的技術。變聲的情況也有許多，有故意的（如犯罪分子變聲掩蓋身份），更多的是因為說話人身體健康原因導致的，本文主要研究后者，側重針對常見的感冒導致的變聲情景。我們將說話人感冒時發(fā)出的語音稱為感冒語音，

3、感冒改變了說話人個性特征的分布，導致感冒測試語音與正常語音訓練得到的說話人模型不匹配，從而使得系統(tǒng)的識別準確性顯著下降。
　　本論文的主要研究工作和創(chuàng)新如下：
　　針對僅有正常語音來訓練說話人模型的情況，本文分析說話人感冒引起發(fā)聲系統(tǒng)的變化、鼻音的特點以及感冒語音與正常語音的差異，重點研究了如何補償感冒造成的語音變化，改善說話人識別系統(tǒng)的性能。具體工作包括：
　?。?）分析了說話人感冒引發(fā)鼻腔通道的變化以及對其調制作用

4、的影響。研究了鼻音的頻譜特點以及對比感冒語音與正常語音的頻譜圖，采用了與正常語音不同的預加重濾波器來處理感冒語音，即用低頻衰減幅度更大，高頻提升效果更好的預加重濾波器來處理感冒語音。在語音實驗室錄制的語料基礎上進行了仿真實驗，經(jīng)過大量的實驗得到當訓練語音使用系數(shù)為0.91的經(jīng)典預加重濾波器來處理，而感冒語音使用特殊預加重濾波器（α1=0.98,β=0.8）處理，系統(tǒng)的識別效果達最佳。在高斯成分取64時，系統(tǒng)對感冒語音的識別率與正常語音的

5、識別率相一致。
　　(2)提出了將線性預測系數(shù)與梅爾倒譜系數(shù)進行得分融合的說話人辨認系統(tǒng)，利用特征LPC和MFCC得分的互補性，將這兩者的得分進行線性加權融合。實驗表明，LPC和MFCC得分融合系統(tǒng)優(yōu)于單一特征系統(tǒng)，它可以顯著提高系統(tǒng)對感冒語音的識別率。仿真結果表明了當基于MFCC系統(tǒng)得分的加權系數(shù)為0.7，基于LPC系統(tǒng)的加權系數(shù)為0.3時，系統(tǒng)識別率達最高。
　?。?）針對智能移動終端普及，許多用戶通過移動終端接入網(wǎng)絡需

6、要進行身份認證的場景，為降低傳輸和處理的數(shù)據(jù)量，提出一種基于壓縮感知的感冒語音說話人識別系統(tǒng)，在提取感冒語音信號的CS-MFCC特征參數(shù)前首先進行語音檢測。通過行階梯觀測矩陣進行壓縮采樣，實質上是對相鄰采樣點進行疊加，濁音信號具有周期性，合適的壓縮比下疊加后的波形幾乎不變，清音不具有周期性疊加后波形發(fā)生了明顯的變化，無聲語音也會影響波形的疊加效果，故而提出將無聲幀和清音幀剔除后，再用行階梯矩陣觀測采樣，得到的觀測信號波形更加接近觀測前的