文本無關(guān)說話人確認及其應(yīng)用研究.pdf

1、本文主要講述基于全背景-高斯混合模型(LJBM-GMM)的說話人確認系統(tǒng)。首先在實現(xiàn)基本系統(tǒng)的基礎(chǔ)上，我們通過錄制新的語音庫，增加了基于短時能量和短時過零率的雙門限端點檢測等措施，使系統(tǒng)的識別精度達到了一個比較高的水準。然后又針對系統(tǒng)運行時間過長效率較低的現(xiàn)象，提出了只抽取語音中最能有效反應(yīng)說話人個性特征的部分進行特征參數(shù)的提取，以降低系統(tǒng)數(shù)據(jù)量。然后通過實驗進行驗證，通過結(jié)果可以看出，經(jīng)過如此改進后系統(tǒng)的精度依然能夠保持原來的水準，而

2、系統(tǒng)的運行時間卻降至約為原來的三分之一左右，大大提高了系統(tǒng)的效率，也基本達到了我們的預(yù)期目的。 論文首先對說話人識別的背景、研究意義及近些年來的發(fā)展現(xiàn)狀做了一個詳細的論述，并指出了當前仍存在的難點問題，然后對本文要做的工作做一個概要的介紹。然后，按照UBM-GMM說話人確認系統(tǒng)的流程依次對系統(tǒng)的各個部分進行理論和具體實現(xiàn)的介紹。在本文中我們采用DET。曲線來評價系統(tǒng)的性能，該曲線的橫、豎坐標分別代表錯誤拒絕率和錯誤接受率，橫豎坐

3、標相同的點的坐標值便是系統(tǒng)的平均錯誤識別率。我們在原系統(tǒng)的基礎(chǔ)上增加了雙門限端點檢測的方法，并針對原語音庫信噪比較低的情況重新錄制了質(zhì)量比較高的語音庫，從而使得系統(tǒng)的精度達到了一個比較高的水平。 但在實驗的過程中我們也感受到，由于數(shù)據(jù)量比較大，導(dǎo)致系統(tǒng)的運行時間比較長，這在實際應(yīng)用中特別是在實時的情況下顯然是不夠的，針對這種情況我們進一步提出了降低系統(tǒng)運行時間，提高系統(tǒng)效率的目標。我們首先對被測試語句進行分幀打分，觀察總結(jié)出語音

4、中得分比較高的部分，并對該部分進行短時能量和短時過零率的分析，然后設(shè)定出對該部分進行抽取的短時能量和過零率的門限值。經(jīng)過只抽取最能有效反映說話人個性特征信息的語音段進行特征提取的改進之后，我們首先對系統(tǒng)前后的識別率進行對比，發(fā)現(xiàn)系統(tǒng)的識別率依然能保持原有的較高水準。然后進行系統(tǒng)運行時間的對比，通過實驗結(jié)果我們可以看出，改進后的系統(tǒng)運行時間有較大幅的下降，只為原來的三分之一多一點，從而說明了本文所做的改進基本達到了預(yù)期的效果。 最