基于共振峰分類的說話人識別系統(tǒng)研究.pdf

1、說話人識別是利用說話人語音識別其身份信息的技術(shù)。文本無關(guān)的說話人識別技術(shù),由于不限制說話人語音內(nèi)容,得到了更廣泛的應(yīng)用?；诟怕式y(tǒng)計(jì)的說話人模型在當(dāng)今說話人識別領(lǐng)域內(nèi)占統(tǒng)治地位,但這類模型并沒有利用語音的語義信息。 本論文將語音信息兩個主要方面,即語義內(nèi)容信息和說話人身份信息結(jié)合起來,用于文本無關(guān)的說話人識別中。眾所周知,文本限制的說話人識別技術(shù),在訓(xùn)練說話人模型時,對語音有限制條件,即訓(xùn)練語音只能限定在所給的單詞集合或者音素集

2、合之內(nèi),并且在識別身份時的語音也有同樣的要求,所以可以在相似或者相同語義內(nèi)容下對比語音信息,這樣就更專注于說話人身份信息的驗(yàn)證。基于以上原因,文本限制的說話人識別會比文本無關(guān)的說話人識別取得更好的識別效果。本論文就是利用以上基本思想,提出了基于共振峰分類的文本無關(guān)的說話人識別方法,即在為每個說話人建立語音模型之前,先按共振峰特性將其特征分成若干類,以此為依據(jù)劃分說話人特征,并建立對應(yīng)的說話人子模型,在識別階段,按照同樣的方法區(qū)分所屬子類