說話人識(shí)別中提高GMM性能方法的研究.pdf

1、利用語音信號(hào)進(jìn)行說話人身份識(shí)別,是語音研究領(lǐng)域的一個(gè)重要方向,具有越來越重要的社會(huì)意義和實(shí)用價(jià)值。根據(jù)說話的內(nèi)容,可以分為文本相關(guān)和無關(guān)兩個(gè)方面。由于文本無關(guān)具有更加靈活與適用面廣的特點(diǎn)而成為主要研究課題。
　　在文本無關(guān)說話人識(shí)別中,GMM將話者識(shí)別問題轉(zhuǎn)換成對(duì)話者語音數(shù)據(jù)分布的估計(jì)問題,從而將復(fù)雜的語音訓(xùn)練、匹配的問題分解為模型表達(dá)形式的選擇、模型參數(shù)的訓(xùn)練,以及概率的計(jì)算等等子問題,解決了話者識(shí)別任務(wù)中的很多難題。并且由于G

2、MM具有簡(jiǎn)單、靈活、有效的特點(diǎn)以及較好的魯棒性,迅速成為當(dāng)今與文本無關(guān)的說話人識(shí)別中的主流技術(shù)。近年來,在復(fù)雜背景環(huán)境下,UBM-MAP-GMM表現(xiàn)出更為優(yōu)異的性能,特別是對(duì)失配情況有很高的魯棒性。
　　然而,GMM對(duì)數(shù)據(jù)有較強(qiáng)的依賴性,在有限訓(xùn)練集下,過多的模型參數(shù)將不能保證可靠估計(jì),這就限制了GMM模型的性能。首先,由于特征矢量維數(shù)較高,使用全矩陣形式協(xié)方差會(huì)導(dǎo)致參數(shù)巨大而無法可靠估計(jì)。其次,雖然使用對(duì)角形式的協(xié)方差矩陣模型參

3、數(shù)較少,但是其隱含的前提假設(shè)是參數(shù)各維之間不相關(guān),這種假設(shè)是不合理的。最后,由于自適應(yīng)數(shù)據(jù)有限,使得目前對(duì)UBM作自適應(yīng)得到目標(biāo)GMM時(shí)只能自適應(yīng)均值,而無法對(duì)協(xié)方差參數(shù)進(jìn)行自適應(yīng)。
　　為了進(jìn)一步提高文本無關(guān)說話人識(shí)別系統(tǒng)的性能,本文從上述三個(gè)方面展開研究,分別提出不同的方法,在有限的訓(xùn)練集的條件下,提高文本無關(guān)下的GMM模型性能。
　　首先,針對(duì)全協(xié)方差矩陣模型參數(shù)過多,難以可靠估計(jì)的問題。本文提出了一種基于相關(guān)系數(shù)矩陣

4、共享的協(xié)方差矩陣直接估計(jì)方法。這種方法既保證了GMM總的模型參數(shù)不致過高,可以可靠估計(jì),又使得GMM具有顯式描述特征矢量各維之間的相關(guān)性能力。
　　其次,雖然可以在特征空間進(jìn)行線性解相關(guān),使特征矢量各維相關(guān)性減弱,使之適合對(duì)角協(xié)方差假設(shè)。然而,由于特征矢量分布形式的復(fù)雜性,很難找到一個(gè)線性變換矩陣,為空間中所有的特征矢量解相關(guān)。因此,本文提出了一種基于模型的分類子空間解相關(guān)的方法,利用GMM對(duì)特征矢量空間分布的描述,將特征空間分解

5、成多個(gè)子空間,在每個(gè)子空間中分別進(jìn)行特征矢量的線性解相關(guān),從而使解相關(guān)更為精細(xì)。
　　為了有效實(shí)現(xiàn)上述兩種方法,本文分別提出了兩種對(duì)GMM中的高斯成分進(jìn)行分類的算法?；谙嚓P(guān)系數(shù)矩陣的分類方法，保證了協(xié)方差直接估計(jì)方法的合理性;而基于相似變換矩陣的分類方法，可使模型子空間解相關(guān)方法能有效實(shí)現(xiàn)。
　　最后，針對(duì)目前對(duì)UBM作自適應(yīng)只能自適應(yīng)均值的問題，本文提出了一種基于相關(guān)系數(shù)矩陣共享的MAP方法，通過共享降低了對(duì)自適應(yīng)數(shù)據(jù)的