多層次說話人分割及相關(guān)算法研究.pdf

1、說話人識別技術(shù)被認(rèn)為是最自然的生物認(rèn)證技術(shù)，它是一項根據(jù)語音中反映的說話人生理和行為特征的語音參數(shù)，自動識別說話人身份的技術(shù)。說話人檢索可以認(rèn)為是自動說話人識別技術(shù)的一種具體應(yīng)用，然而，說話人識別技術(shù)應(yīng)用于實際環(huán)境，還存在著很多難點，說話人分割技術(shù)的不成熟是其中的重要原因之一。 本文主要針對說話人分割中存在的困難和現(xiàn)有說話人分割方法中的不足，即說話人分割時可用信息過少、說話人分割易受噪音和通道等局外變量的影響以及基于距離的分割和

2、基于模型的分割方法本身的不完善，提出了一種多層次的說話人分割框架，并對其中的相關(guān)算法進(jìn)行了研究。本文的主要工作包括： 第一、提出了一種多層次的說話人分割框架，利用分層的結(jié)構(gòu)特點和各層引入的輔助信息，解決說話人分割時可用信息過少的問題；利用語音檢測和通道聚類消除噪音和通道的干擾；用預(yù)分割和分治的方法來彌補(bǔ)分割方法本身的不完善。 第二、研究語音和非語音的特征分布及其突變規(guī)律；介紹和提出了一種基于χ2分布的突變檢測和一種語音/

3、非語音決策樹；提出了基于χ2分布和決策樹的語音檢測的方法，通過檢測音頻中的聲學(xué)突變來獲得語音端點，并用決策樹對語音和非語音進(jìn)行分類。 第三、探索了通道差異對說話人識別及說話人分割的影響，分析了解決方法通道補(bǔ)償和通道聚類的作用和適用條件；將Anchor模型的思想引入到通道聚類研究中，并提出了基于Anchor模型的通道聚類。 第四、提出了一種基于Pitch的快速說話人分割方法，在理想環(huán)境中能既快又準(zhǔn)的完成說話人分割。