支持向量機(jī)在說(shuō)話人識(shí)別中的應(yīng)用研究.pdf

1、說(shuō)話人識(shí)別是根據(jù)語(yǔ)音波形中反映說(shuō)話人生理和行為特征的語(yǔ)音參數(shù)，自動(dòng)識(shí)別出說(shuō)話人的過(guò)程，它是語(yǔ)音信號(hào)處理的一個(gè)重要研究方向，作為一種生物認(rèn)證技術(shù)，具有廣泛的應(yīng)用前景，得到人們?cè)絹?lái)越多的研究。 支持向量機(jī)是在統(tǒng)計(jì)學(xué)習(xí)理論上發(fā)展出來(lái)的一種模式識(shí)別方法，在解決有限樣本、非線性及高維模式識(shí)別問(wèn)題中表現(xiàn)出許多特有的優(yōu)勢(shì)，同其他模式識(shí)別方法相比主要有兩個(gè)不同點(diǎn)：一是它采用一個(gè)非線性核函數(shù)來(lái)表示特征空間的內(nèi)積，另外它采用分類間隔最大的最優(yōu)分

2、類超平面實(shí)現(xiàn)結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則。由于支持向量機(jī)具有堅(jiān)實(shí)的理論基礎(chǔ)，得到越來(lái)越多的人們研究，并在各個(gè)領(lǐng)域中得到廣泛應(yīng)用。 本文采用支持向量機(jī)對(duì)說(shuō)話人進(jìn)行建模，以文本無(wú)關(guān)說(shuō)話人識(shí)別為主要研究?jī)?nèi)容，分別從基于幀向量的說(shuō)話人支持向量機(jī)模型、支持向量機(jī)混合模型、基于語(yǔ)句的說(shuō)話人支持向量機(jī)模型和基于通用背景模型的說(shuō)話人支持向量機(jī)模型進(jìn)行深入的研究。 論文深入分析了基于幀的說(shuō)話人支持向量機(jī)模型中各個(gè)方面對(duì)識(shí)別性能的影響。說(shuō)話人識(shí)別中普

3、遍流行的方法都是使用基于幀的方法，其建模過(guò)程一般是使用模型來(lái)描述個(gè)人語(yǔ)音幀數(shù)據(jù)的空間分布狀況，比如矢量量化模型(vQ)、高斯混合模型(GMM)等等。采用支持向量機(jī)來(lái)描述個(gè)人語(yǔ)音特征的分布時(shí)，其輸入是說(shuō)話人的語(yǔ)音幀向量。由于訓(xùn)練支持向量機(jī)需要解決一個(gè)二次規(guī)劃問(wèn)題，一般采用聚類的方法來(lái)選擇出一些代表性的樣本作為支持向量機(jī)的輸入進(jìn)行訓(xùn)練。論文分別從選擇樣本方法、樣本集大小、樣本集權(quán)重、樣本得分方式、支持向量機(jī)核函數(shù)、支持向量機(jī)多類分類，支持向

4、量機(jī)概率輸出等方面進(jìn)行深入研究。 論文針對(duì)說(shuō)話人語(yǔ)音數(shù)據(jù)的大規(guī)模性和支持向量機(jī)解決二次規(guī)劃問(wèn)題之間的矛盾，提出基于專家混合和基于迭代訓(xùn)練的支持向量機(jī)混合模型用于說(shuō)話人識(shí)別。集成學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)熱門方向，Boosting集成學(xué)>-j算法和專家混合算法是人們常用的兩種算法，借鑒這兩種算法思想并具體結(jié)合說(shuō)話人識(shí)別的特殊性，分別提出基于迭代訓(xùn)練的支持向量機(jī)混合模型和基于專家混合的支持向量機(jī)模型。同時(shí)，對(duì)于混合得分組合方式，借鑒V

5、Q模型和GMM模型的得分計(jì)算思想，分別提出基于距離的計(jì)算方式和基于概率的計(jì)算方式。 論文根據(jù)傳統(tǒng)的矢量量化模型和高斯混合模型，提出一類采用偏差信息構(gòu)造的核函數(shù)用于說(shuō)話人識(shí)別。根據(jù)矢量量化模型中計(jì)算得分的方式，利用最小距離碼本向量將一個(gè)幀向量映射到一個(gè)矩陣上，然后累計(jì)一條語(yǔ)句中所有語(yǔ)句幀的映射矩陣便得到一個(gè)語(yǔ)句的映射矩陣，將這個(gè)映射后的矩陣直接展開為一維向量并作為支持向量機(jī)的輸入進(jìn)行說(shuō)話人識(shí)別。進(jìn)一步將基于VQ模型的偏差核擴(kuò)展到G

6、MM模型上，利用GMM模型中各個(gè)高斯分布的均值作為碼本，并同時(shí)采用概率密度計(jì)算替代VQ模型中的歐氏距離計(jì)算，采用高斯分布的方差將幀向量與均值的差進(jìn)行規(guī)整，這樣便構(gòu)造了基于GMM模型的偏差核函數(shù)。它比前面的VQ核函數(shù)在性能上有較明顯的提高，且優(yōu)于傳統(tǒng)的GMM模型。 論文根據(jù)通用背景模型代表著說(shuō)話人無(wú)關(guān)的語(yǔ)音特征的空間分布這一特性，將其與支持向量機(jī)結(jié)合構(gòu)造出一類新的UBM／SVM模型。Anchor模型是說(shuō)話人檢索和說(shuō)話

7、人確認(rèn)中使用較廣泛的一個(gè)模型，我們借鑒其建立Anchor空間的思想，利用通用背景模型里面各個(gè)高斯分布建立一個(gè)公用的參考空間，然后將一條語(yǔ)句映射為這個(gè)參考空間的一個(gè)點(diǎn)，參考空間坐標(biāo)系采用兩種方式進(jìn)行構(gòu)造：一種是基于分布權(quán)重的坐標(biāo)系，另外一種是基于分布中心距離的坐標(biāo)系。從另一方面來(lái)看，這種建立坐標(biāo)的方法也可以看作是將長(zhǎng)度不一樣的語(yǔ)句映射到一個(gè)固定大小的向量，這與基于語(yǔ)句的支持向量機(jī)模型思想有共同之處。由于UBM／SVM模型采用一個(gè)公共的說(shuō)話