聲紋識(shí)別魯棒性技術(shù)及應(yīng)用研究.pdf

1、聲紋識(shí)別技術(shù)通過(guò)對(duì)說(shuō)話者語(yǔ)音和數(shù)據(jù)庫(kù)中登記的聲紋作比較，對(duì)用戶進(jìn)行身份校驗(yàn)和鑒別，從而確定該說(shuō)話人是否為本人或是否為集群中的哪個(gè)人。聲紋識(shí)別所提供的安全性可與其他生物識(shí)別技術(shù)（指紋、掌形和虹膜）相媲美，且只需電話或麥克風(fēng)即可，數(shù)據(jù)采集極為方便，造價(jià)低廉，是最為經(jīng)濟(jì)、可靠、簡(jiǎn)便和安全的身份識(shí)別方式，目前在市場(chǎng)上有了很大的發(fā)展前景。但背景噪聲環(huán)境下識(shí)別率低以及實(shí)時(shí)性差等問(wèn)題制約著其走向?qū)嶋H應(yīng)用，提高系統(tǒng)魯棒性和實(shí)時(shí)性是聲紋識(shí)別技術(shù)廣泛應(yīng)用的

2、關(guān)鍵所在。
　　聲紋識(shí)別系統(tǒng)主要由語(yǔ)音信號(hào)預(yù)處理及端點(diǎn)檢測(cè)，特征參數(shù)提取，聲紋模型的訓(xùn)練及匹配識(shí)別等幾部分組成，論文以提高系統(tǒng)的魯棒性和實(shí)時(shí)性為目的，分別對(duì)這幾部分的實(shí)現(xiàn)技術(shù)或算法進(jìn)行深入研究，并通過(guò)開發(fā)設(shè)計(jì)的兩個(gè)應(yīng)用系統(tǒng)對(duì)所提算法進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果證明所提出的算法能有效提高系統(tǒng)的魯棒性和實(shí)時(shí)性。論文共分六章。第一章概述聲紋識(shí)別系統(tǒng)各個(gè)組成部分實(shí)現(xiàn)技術(shù)或算法的研究現(xiàn)狀。從第二章開始，主要研究?jī)?nèi)容從五個(gè)部分展開，每一部分作為一章，其

3、中二章、三章、四章主要研究系統(tǒng)魯棒性的提高，五章研究系統(tǒng)實(shí)時(shí)性的提高，六章給出了作者開發(fā)的兩個(gè)應(yīng)用系統(tǒng)，將上述研究的技術(shù)應(yīng)用其中，驗(yàn)證其對(duì)系統(tǒng)魯棒性和實(shí)時(shí)性提高的有效性。
　　第二章研究了帶噪語(yǔ)音的預(yù)處理技術(shù)及端點(diǎn)檢測(cè)算法，鑒于語(yǔ)音和噪聲在語(yǔ)譜圖上表現(xiàn)出的直觀差異，論文采用語(yǔ)譜圖端點(diǎn)檢測(cè)方法。語(yǔ)譜圖端點(diǎn)檢測(cè)的技術(shù)難點(diǎn)在于如何用數(shù)學(xué)量將語(yǔ)譜圖上的直觀差異表述出來(lái)，根據(jù)自相關(guān)系數(shù)對(duì)圖像紋理特性的描述能力，論文選用自相關(guān)函數(shù)描述這一差異

4、，提出列自相關(guān)語(yǔ)譜圖檢測(cè)法。通過(guò)語(yǔ)譜圖自相關(guān)函數(shù)的分布，找到區(qū)分語(yǔ)音和噪聲的分界點(diǎn)，作為帶噪語(yǔ)音端點(diǎn)檢測(cè)的閾值。由于論文采用的是寬帶語(yǔ)譜圖，頻率分辨率差，所以經(jīng)過(guò)列自相關(guān)語(yǔ)譜圖檢測(cè)之后，語(yǔ)音列中仍然殘留噪聲，為了在不同頻段進(jìn)一步去噪，論文結(jié)合經(jīng)驗(yàn)?zāi)B(tài)分解EMD的多分辨性，將帶噪語(yǔ)音先進(jìn)行多分辨分析，分解為不同的頻率尺度之后再進(jìn)行列自相關(guān)語(yǔ)譜圖分析，實(shí)驗(yàn)證明帶噪語(yǔ)音的降噪效果比較理想。
　　第三章研究了說(shuō)話人語(yǔ)音特征參數(shù)的提取。最理

5、想的聲紋識(shí)別語(yǔ)音特征參數(shù)是只反映說(shuō)話人特征，不反映語(yǔ)義信息，而且數(shù)據(jù)總量小。實(shí)驗(yàn)表明要區(qū)分說(shuō)話人身份信息，選擇的參數(shù)既要包括聲門特征，也要包括聲道特征。因此論文將聲道特征和聲門特征結(jié)合，從而使說(shuō)話人之間具有良好的區(qū)分性。對(duì)常用的說(shuō)話人聲道特征和聲門特征進(jìn)行分析對(duì)比，選取美爾倒譜系數(shù)MFCC表征聲道特征，選取基音周期表征聲門特征，并將兩個(gè)特征參數(shù)結(jié)合，結(jié)合的方式為MFCC三角濾波器組所包含的Mel濾波器的個(gè)數(shù)以及組內(nèi)各濾波器的中心頻率由基

6、音周期動(dòng)態(tài)決定，稱之為基于基因周期的MFCC特征參數(shù)。為了進(jìn)一步提升聲紋識(shí)別系統(tǒng)的識(shí)別率，通過(guò)引入Delta特征獲取語(yǔ)音各幀之間的時(shí)變要素，在基于基音周期的MFCC特征參數(shù)的基礎(chǔ)上，擴(kuò)展Delta特征。擴(kuò)展的特征參數(shù)的表現(xiàn)力增強(qiáng)了，但隨之而來(lái)的是維數(shù)增加導(dǎo)致后續(xù)計(jì)算復(fù)雜度增加，論文提出一種分塊合并映射降維處理算法。實(shí)驗(yàn)證明了所提取的特征參數(shù)及處理方法有助于系統(tǒng)魯棒性提高。
　　第四章研究了聲紋識(shí)別模型。針對(duì)文本相關(guān)的聲紋識(shí)別系統(tǒng)，

7、主要研究了隱馬爾可夫(HMM)模型，包括實(shí)現(xiàn)過(guò)程中問(wèn)題的解決以及其魯棒性的分析研究。文本無(wú)關(guān)的聲紋識(shí)別模型系統(tǒng)主要研究了高斯混合(GMM)模型，分別從訓(xùn)練階段和識(shí)別階段對(duì)GMM模型進(jìn)行改進(jìn)。訓(xùn)練階段提出一種基于鄰近規(guī)則的k-means算法獲取GMM初值，克服了傳統(tǒng)方法因過(guò)分關(guān)注少數(shù)指標(biāo)而造成系統(tǒng)整體性能不佳的缺點(diǎn)，通過(guò)簡(jiǎn)化最大期望算法(EM)推導(dǎo)過(guò)程，提高系統(tǒng)的訓(xùn)練速度和識(shí)別率。識(shí)別階段，為了避免壞幀對(duì)判決結(jié)果的影響，提出基于熵值的幀匹

8、配權(quán)重法，提高系統(tǒng)的魯棒性。
　　第五章研究了提高聲紋識(shí)別系統(tǒng)效率的方法。從模型聚類的思想出發(fā)，提出基于模型生長(zhǎng)聚類的GMM模型快速識(shí)別法和基于特征參數(shù)統(tǒng)計(jì)分組的HMM快速識(shí)別法。模型生長(zhǎng)聚類算法的聚類策略是由起初的一個(gè)類生長(zhǎng)出多個(gè)類，實(shí)現(xiàn)對(duì)說(shuō)話人模型的聚類，核心算法是基于親密度概念的分組策略、基于近似熵的相似性準(zhǔn)則和類GMM的產(chǎn)生;對(duì)于利用HMM模型實(shí)現(xiàn)的聲紋識(shí)別系統(tǒng)，針對(duì)HMM模型與GMM模型結(jié)構(gòu)的不同，采用將特征參數(shù)序列進(jìn)行

9、聚類分組的策略，將聚在同一組的語(yǔ)音特征參數(shù)訓(xùn)練得到的HMM模型歸為一組，達(dá)到了將模型庫(kù)進(jìn)行分組的目的，巧妙地避開了由于HMM模型結(jié)構(gòu)所帶來(lái)的直接將模型進(jìn)行聚類分組的難度，核心算法為基于鄰近規(guī)則的K-means算法、二次平滑分組算法、基于DTW的相似性準(zhǔn)則和基于特征參數(shù)的類選擇。
　　第六章給出了兩個(gè)聲紋識(shí)別技術(shù)應(yīng)用系統(tǒng):基于HMM的移動(dòng)終端聲紋簽到系統(tǒng)和基于GMM的手機(jī)聲紋鎖系統(tǒng)。所用為上述章節(jié)所研究的提高魯棒性和實(shí)時(shí)性的技術(shù)和算