基于缺失特征重建的說話人識別.pdf

1、目前文本無關話者識別系統(tǒng)在實驗室條件下取得很好的性能，但在實際應用中，噪聲的存在使得系統(tǒng)性能急劇下降。這是由于噪聲破壞了干凈語音的形態(tài)分布，造成訓練和測試環(huán)境的失配。缺失特征方法將被噪聲嚴重破壞的頻段標記為缺失特征，通過在識別時丟棄缺失特征的評分或通過可靠特征估計出缺失特征來減小噪聲的影響。論文主要研究加性噪聲影響下，基于缺失特征重建的話者識別系統(tǒng)性能。 論文采用Mel濾波器組輸出作為特征參數(shù)，針對噪聲對不同特征子帶的影響各不同

2、，提出局部信噪比準則判斷各個特征子帶的可靠性，將信噪比小于閾值的特征稱為缺失特征。論文采用改進的譜減法求不同子帶的信噪比，通過實驗得出最優(yōu)的閩值。 為了利用不完整特征參數(shù)進行話者識別，目前常用的缺失特征邊緣化方法在識別時丟棄缺失特征的評分，從而有效的減小了噪聲的影響，但是該方法的特征參數(shù)局限于濾波器組參數(shù)而不能使用識別性能更好的倒譜參數(shù)。論文針對缺失特征邊緣化方法的不足，提出缺失特征重建方法，利用幀內(nèi)特征之間的相關性，由可靠特征

3、估計出缺失特征，得到完整特征向量，然后轉(zhuǎn)換成MFCC參數(shù)進行識別。 論文研究基于聚類的缺失特征重建方法，采用若干個聚類描述干凈語音特征的分布，識別時首先判斷每幀向量所在的聚類，依據(jù)聚類的統(tǒng)計信息和可靠特征得到缺失特征的最大后驗概率估計。隨后提出譜減和缺失特征重建相結合的方法，其中譜減法用于檢測缺失特征，并增強可靠特征。實驗表明相比缺失特征邊緣化方法，該方法能顯著提高噪聲環(huán)境中話者識別系統(tǒng)的性能。 針對基于聚類的缺失特征重