基于GMM-UBM和半解碼特征的說話人確認.pdf

1、隨著通信與信息事業(yè)的發(fā)展,越來越多的用戶通過電話、手機、計算機網(wǎng)絡等媒介進行語音交流,面向這類語音的說話人識別系統(tǒng),具有使用方便、不易仿造、設備簡單、遠程接入等優(yōu)點,在金融、商貿、公安、軍事等諸多領域有廣闊的應用前景,因此研究基于遠程語音的說話人識別具有重要意義.在現(xiàn)代通信系統(tǒng)中,多采用分析合成類的編碼器對語音進行編碼.針對這類編碼語音,該文圍繞話者特征提取和說話人建模兩大關鍵問題,深入分析了基于概率統(tǒng)計模型GMM-UBM的與文本無關的

2、說話人確認系統(tǒng),著重研究了從編碼碼流中直接提取特征的話者確認,同時對使用寬帶和窄帶解碼語音進行話者確認中的若干重要問題進行了一定的探討.該文的主要研究內容和成果如下:根據(jù)分析合成編碼的特點,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),進而將線譜頻率轉換為線性預測倒譜系數(shù)及其差分參數(shù)作為主要的說話人特征,用自適應碼本衍生出的基音參數(shù)作為輔助的說話人特征,以直接矢量拼接的形式構造特

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實現(xiàn)了使用GMM-UBM框架結構的半解碼話者確認系統(tǒng).實驗表明,半解碼系統(tǒng)在運行速度提高一個數(shù)量級的情況下,達到了與解碼語音再提取參數(shù)的系統(tǒng)相近的性能,且對于自適應編碼的碼率切換特點具有良好的魯棒性.對于使用解碼語音的話者確認,寬帶和窄帶的編碼器將帶來不同的性能.我們對兩類編碼器分別建立了基于解碼語音和GMM-UBM的說話人確認系統(tǒng),并深入研究了不同碼率模式、

4、不同語音頻帶下的話者確認性能,以及AMR-WB的碼率自由切換特性對話者確認的影響.針對不同特征分量對說話人識別貢獻的差異,提出了一種特征分量加權的GMM改進模型(FCW-GMM),并在GMM-UBM框架下,基于廣義梯度下降理論,給出了對各高斯分量權重矢量組的有區(qū)分性的訓練算法.實驗表明,特征分量加權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家自然科學基金項目(60272039)