基于GMM-UBM和半解碼特征的說(shuō)話人確認(rèn).pdf

1、隨著通信與信息事業(yè)的發(fā)展,越來(lái)越多的用戶通過(guò)電話、手機(jī)、計(jì)算機(jī)網(wǎng)絡(luò)等媒介進(jìn)行語(yǔ)音交流,面向這類語(yǔ)音的說(shuō)話人識(shí)別系統(tǒng),具有使用方便、不易仿造、設(shè)備簡(jiǎn)單、遠(yuǎn)程接入等優(yōu)點(diǎn),在金融、商貿(mào)、公安、軍事等諸多領(lǐng)域有廣闊的應(yīng)用前景,因此研究基于遠(yuǎn)程語(yǔ)音的說(shuō)話人識(shí)別具有重要意義.在現(xiàn)代通信系統(tǒng)中,多采用分析合成類的編碼器對(duì)語(yǔ)音進(jìn)行編碼.針對(duì)這類編碼語(yǔ)音,該文圍繞話者特征提取和說(shuō)話人建模兩大關(guān)鍵問(wèn)題,深入分析了基于概率統(tǒng)計(jì)模型GMM-UBM的與文本無(wú)關(guān)的

2、說(shuō)話人確認(rèn)系統(tǒng),著重研究了從編碼碼流中直接提取特征的話者確認(rèn),同時(shí)對(duì)使用寬帶和窄帶解碼語(yǔ)音進(jìn)行話者確認(rèn)中的若干重要問(wèn)題進(jìn)行了一定的探討.該文的主要研究?jī)?nèi)容和成果如下:根據(jù)分析合成編碼的特點(diǎn),提出了一種直接從編碼碼流中提取話者特征的半解碼方法.半解碼方法從通信信道中截取數(shù)據(jù)幀并還原出聲碼器參數(shù),進(jìn)而將線譜頻率轉(zhuǎn)換為線性預(yù)測(cè)倒譜系數(shù)及其差分參數(shù)作為主要的說(shuō)話人特征,用自適應(yīng)碼本衍生出的基音參數(shù)作為輔助的說(shuō)話人特征,以直接矢量拼接的形式構(gòu)造特

3、征矢量.我們基于寬帶編碼3GPP的AMR-WB和窄帶編碼ITU-T的G.729實(shí)現(xiàn)了使用GMM-UBM框架結(jié)構(gòu)的半解碼話者確認(rèn)系統(tǒng).實(shí)驗(yàn)表明,半解碼系統(tǒng)在運(yùn)行速度提高一個(gè)數(shù)量級(jí)的情況下,達(dá)到了與解碼語(yǔ)音再提取參數(shù)的系統(tǒng)相近的性能,且對(duì)于自適應(yīng)編碼的碼率切換特點(diǎn)具有良好的魯棒性.對(duì)于使用解碼語(yǔ)音的話者確認(rèn),寬帶和窄帶的編碼器將帶來(lái)不同的性能.我們對(duì)兩類編碼器分別建立了基于解碼語(yǔ)音和GMM-UBM的說(shuō)話人確認(rèn)系統(tǒng),并深入研究了不同碼率模式、

4、不同語(yǔ)音頻帶下的話者確認(rèn)性能,以及AMR-WB的碼率自由切換特性對(duì)話者確認(rèn)的影響.針對(duì)不同特征分量對(duì)說(shuō)話人識(shí)別貢獻(xiàn)的差異,提出了一種特征分量加權(quán)的GMM改進(jìn)模型(FCW-GMM),并在GMM-UBM框架下,基于廣義梯度下降理論,給出了對(duì)各高斯分量權(quán)重矢量組的有區(qū)分性的訓(xùn)練算法.實(shí)驗(yàn)表明,特征分量加權(quán)GMM-UBM的性能優(yōu)于傳統(tǒng)的GMM-UBM,且所得模型參數(shù)具有良好的推廣能力.該文的研究工作得到了國(guó)家自然科學(xué)基金項(xiàng)目(60272039)