噪聲環(huán)境中說(shuō)話(huà)人識(shí)別魯棒性研究.pdf

1、說(shuō)話(huà)人識(shí)別技術(shù)因其獨(dú)特的方便性、經(jīng)濟(jì)性和準(zhǔn)確性，在生物特征識(shí)別領(lǐng)域中具有廣闊的應(yīng)用前景?，F(xiàn)有的說(shuō)話(huà)人識(shí)別技術(shù)在理想條件下效果很好，但在實(shí)際環(huán)境中卻由于各種因素的影響，識(shí)別效果明顯下降。因此如何提高識(shí)別系統(tǒng)的魯棒性已經(jīng)成為本領(lǐng)域的研究熱點(diǎn)。 說(shuō)話(huà)人識(shí)別系統(tǒng)的魯棒性問(wèn)題涉及系統(tǒng)的各個(gè)部分。本文從語(yǔ)音傳輸過(guò)程中的丟包補(bǔ)償、訓(xùn)練數(shù)據(jù)不足和噪聲下的說(shuō)話(huà)人建模技術(shù)等幾個(gè)方面進(jìn)行了研究，取得了以下進(jìn)展： 1．提出了一種基于lagran

2、gian插值的分組恢復(fù)方法。這種補(bǔ)償方法在丟包率較小，且不是連續(xù)丟包的情況下效果比較好。但是當(dāng)丟包率比較大時(shí)這種補(bǔ)償方法的效果就不理想了?；趌agrangian插值的分組恢復(fù)方法對(duì)丟失幀的實(shí)際位置進(jìn)行了估計(jì)，比傳統(tǒng)的分組恢復(fù)方法有更好的效果。 2．改進(jìn)了GMM識(shí)別算法，提出了一種基于GMM-DM的識(shí)別算法。通過(guò)引入DM距離，即以測(cè)試語(yǔ)句與模板的之間的相似性測(cè)度，來(lái)修正GMM模型在訓(xùn)練數(shù)據(jù)不充分的情況下的識(shí)別結(jié)果，GMM-DM方

3、法在訓(xùn)練數(shù)據(jù)不充分時(shí)對(duì)GMM判決結(jié)果進(jìn)行修正，進(jìn)一步克服了數(shù)據(jù)丟失對(duì)系統(tǒng)識(shí)別率的影響。 3．研究了子帶識(shí)別技術(shù)在說(shuō)話(huà)人識(shí)別的應(yīng)用。由于子帶信號(hào)相對(duì)于寬帶信號(hào)來(lái)說(shuō)變化比較緩慢，因此數(shù)據(jù)模型相對(duì)比較簡(jiǎn)單。本文主要研究了在不同信噪比的加性白噪聲和NOISEX-92噪聲數(shù)據(jù)庫(kù)中的真實(shí)噪聲環(huán)境下，子帶技術(shù)對(duì)說(shuō)話(huà)人識(shí)別系統(tǒng)魯棒性的提高。我們采用從子帶提取特征參數(shù)的方法，提取出子帶上攜帶的語(yǔ)音信息，利用噪聲能量分布進(jìn)行加權(quán)，并結(jié)合GMM-DM