說話人識別技術(shù)研究及其在醫(yī)院導(dǎo)醫(yī)平臺中的應(yīng)用.pdf

1、本文對說話人識別技術(shù)在醫(yī)院導(dǎo)醫(yī)平臺中的應(yīng)用作了較為深入的研究。作為一種方便實用的基于生物特征的身份確認技術(shù)，目前的說話人識別系統(tǒng)對純凈語音已經(jīng)可以達到很高的識別精度，但在實際環(huán)境中無處不在的噪聲帶來了訓(xùn)練模型和測試語音之間的失配，使得噪聲環(huán)境中說話人識別系統(tǒng)的識別率急劇下降。因此抗噪聲技術(shù)的研究是說話人識別系統(tǒng)在醫(yī)院噪聲環(huán)境中投入實用的關(guān)鍵。 本文首先分析了醫(yī)院噪聲的主要來源和種類，提出了根據(jù)噪聲的組成成分的不同而將醫(yī)院噪聲分為

2、三個不同的工作時段，并建立了噪聲環(huán)境中的說話人識別數(shù)據(jù)庫。針對當(dāng)前存在的不同的語音建模方法，通過實驗的方法對各種分類模型進行了比較，通過對比各種模型之間識別效果的優(yōu)劣和對噪聲的魯棒性，最終確定了采用識別率較高且在噪聲環(huán)境的下降幅度最小的GMM-nV模型作為系統(tǒng)的基本模型。 針對噪聲所帶來的信號空間、特征空間和模型空間的失配，我們需要將多種方法融合共同作用。為此，在特征空間我們詳細研究了倒譜均值歸一化等譜變量補償方法；在模型空間我

3、們提出了基于不同時段的直接倒譜加權(quán)的GMM，并根據(jù)醫(yī)院不同時段的噪音種類和對數(shù)似然誤差準則，評價各MFCC倒譜分量的平均貢獻，根據(jù)各維特征的鑒別能力確定加權(quán)窗函數(shù)的形式。此外，我們又提出了最大化識別標準和段間聯(lián)合識別標準用于醫(yī)院環(huán)境中的應(yīng)用，進一步提高了系統(tǒng)的識別效果。 由于醫(yī)院在不同的工作時段其噪聲的組成成分和噪聲種類并不相同，為了保證各個時段的識別都有較好的識別率，我們決定針對醫(yī)院不同時段的噪聲情況采用不同的識別方案。通過對