面向垃圾語(yǔ)音過(guò)濾的快速說(shuō)話人識(shí)別關(guān)鍵技術(shù)研究.pdf

1、近幾年，隨著電信網(wǎng)、互聯(lián)網(wǎng)和廣電運(yùn)營(yíng)商多元化的結(jié)合以及語(yǔ)音傳輸和交換技術(shù)的不斷進(jìn)步，垃圾語(yǔ)音逐漸成為威脅人民群眾財(cái)產(chǎn)安全和社會(huì)安定和諧的重要因素，因此垃圾語(yǔ)音的防護(hù)和過(guò)濾研究是大勢(shì)所趨。傳統(tǒng)的過(guò)濾模型由于無(wú)法過(guò)濾人為發(fā)起和不斷變更身份(電話號(hào)碼或 ID)這兩種主流的垃圾語(yǔ)音，從而使得垃圾語(yǔ)音的檢測(cè)成為一個(gè)極具挑戰(zhàn)性的難題。針對(duì)上述問(wèn)題，可以采用說(shuō)話人識(shí)別技術(shù)來(lái)解決。說(shuō)話人識(shí)別技術(shù)是從主叫人本身去考慮，而不依附于外界固有的因素，因此可以有

2、效地防止垃圾語(yǔ)音發(fā)起人通過(guò)不斷變換身份在通信網(wǎng)絡(luò)中肆意橫行現(xiàn)象的發(fā)生。雖然說(shuō)話人識(shí)別技術(shù)已經(jīng)研究的很充分，但是其應(yīng)用于垃圾語(yǔ)音過(guò)濾卻很少。鑒于垃圾語(yǔ)音過(guò)濾需要近乎實(shí)時(shí)地識(shí)別能力和一定的準(zhǔn)確度，目前的說(shuō)話人識(shí)別技術(shù)還存在如何為垃圾語(yǔ)音發(fā)起人選擇合適的識(shí)別模型以及如何在垃圾語(yǔ)音過(guò)濾要求的說(shuō)話人數(shù)量上實(shí)現(xiàn)快速識(shí)別的問(wèn)題。
　　本文比較了不同的識(shí)別模型以及快速說(shuō)話人識(shí)別方法，選擇將KLSH結(jié)合超向量引入到垃圾語(yǔ)音發(fā)起人的快速識(shí)別中。本文提

3、出基于說(shuō)話人特征空間分析的快速識(shí)別方法，即采用譜聚類和UBM來(lái)選擇KLSH所需的樣本，以提高KLSH搜索的速度和準(zhǔn)確度。在譜聚類過(guò)程中，重點(diǎn)分析了相似度測(cè)量方法，引入KL距離，同時(shí)提出一種基于模型信息熵距離進(jìn)行相似度測(cè)量的方法；使用塊矩陣簡(jiǎn)化大規(guī)模說(shuō)話人模型距離計(jì)算；改進(jìn)了基于本征間隙的自動(dòng)獲取聚類數(shù)目方法。比較不同超向量的優(yōu)缺點(diǎn)，選擇了GMM超向量作為垃圾語(yǔ)音過(guò)濾說(shuō)話人的識(shí)別模型。對(duì)KLSH中涉及的核函數(shù)以及近似搜索進(jìn)行了分析選擇，從

4、而構(gòu)成完整的KLSH快速識(shí)別系統(tǒng)。
　　實(shí)驗(yàn)結(jié)果顯示，當(dāng)測(cè)試語(yǔ)音達(dá)到4s時(shí)，平均識(shí)別時(shí)間為0.105s，識(shí)別率可以達(dá)到86.4％；而測(cè)試長(zhǎng)度為10s時(shí)，識(shí)別率達(dá)到96.7%，平均識(shí)別時(shí)間僅為0.234s，相對(duì)于GMM-UBM來(lái)說(shuō)，識(shí)別率僅下降了1.9%，但加速比達(dá)到了1082.4，從而驗(yàn)證本文提出的算法可以用于大規(guī)模垃圾語(yǔ)音過(guò)濾。本文最后還驗(yàn)證了基于說(shuō)話人特征空間分析選擇的樣本具有一定的穩(wěn)定性，即在小范圍增加數(shù)據(jù)庫(kù)說(shuō)話人的情況下，