資源描述：
《基于改進(jìn)的時間動態(tài)規(guī)整算法的多特征組合的說話人辨認(rèn)方法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、基于改進(jìn)的時間動態(tài)規(guī)整算法的多特征組合的說話人辨認(rèn)方法研究摘要通過分析當(dāng)今說話人識別系統(tǒng)中常用的語音特征和基本的說話人識別方法，本文采用多門限多判決的動態(tài)時間規(guī)整算法作為識別方法，并提取出美爾頻率倒譜及其差分、線性預(yù)測倒譜及其差分、基音周期、短時譜的臨界帶特征矢量和子帶能量倒譜等多種語音特征進(jìn)行互相組合，找出了相應(yīng)于該識別方法的最優(yōu)特征組合。關(guān)鍵詞說話人識別；動態(tài)時間規(guī)整；特征組合1引言說話人識別是語音識別的一個分支，在公安偵察、聲控系統(tǒng)、醫(yī)療診斷、電子金融業(yè)務(wù)等方面有著廣泛的應(yīng)用前景。它和語音識別的區(qū)別在于，它
2、并不注意語音信號中的語義內(nèi)容，而是希望從語音信號中提取出個人的信息特征。從這點上說，說話人識別是企求挖掘出包含在語音信號中的個性因素。而語音識別是企求從不同人的語音信號中尋找共同因素。通過分析前人對說話人識別的工作總結(jié)，為了進(jìn)一步提高識別率，本文采用了多門限多判決的改進(jìn)的動態(tài)規(guī)整（dynamictimeFCC及其差分系數(shù)△MFCC、12維的線性預(yù)測倒譜參數(shù)（LPCC）及其差分系數(shù)△LPCC、12維的美爾線性預(yù)測差分倒譜系數(shù)[1]（LPCMCC）、基音周期P及其差分△P、18維的短時譜的臨界帶特征矢量[1]（本文用
3、GL表示）和子帶能量倒譜[6]（Sub-bandMFCC，本文用SBC表示）系數(shù)及其差分（△SBC）。其中，本文是采用自相關(guān)方法提取的基音周期，并運用了二次平滑算法[1]去除了基音軌跡中的“野點”。在提取子帶能量倒譜時，本文是將語音信號按照Mel刻度在樹結(jié)構(gòu)中的多級子帶分解為11個子帶信號進(jìn)行計算的。3說話人識別方法3.1動態(tài)時間規(guī)整算法動態(tài)時間規(guī)整匹配是基于動態(tài)規(guī)劃的思想，解決了發(fā)音長短不一的匹配問題，把時間規(guī)整和距離測度計算結(jié)合起來的一種非線性規(guī)正技術(shù)，是語音識別中出現(xiàn)較早、較為經(jīng)典的一種算法。設(shè)測試語音參數(shù)
4、共有I幀矢量，則測試語音模板的特征矢量序列為X=（X1、X2、…、XI），參考語音參數(shù)共有J幀，則參考模板的特征矢量序列為Y＝（Y1、Y2、…、YJ）。且I≠J，則動態(tài)時間規(guī)整就是要找到一個時間規(guī)整函數(shù)j=w(i)，將測試矢量的時間軸i非線性地映射到參考模板的時間軸j上，并使該函數(shù)w滿足下式：（3.1）其中，是第i幀測試矢量Xi和第j幀模板矢量Yj之間的距離測度，一般這個距離測度采用歐氏距離的平方，如（3.2）式所示。D則是處于最優(yōu)時間規(guī)整情況下兩矢量的距離。（3.2）其中Xi=(xi1，xi2，xi3，…，xi
5、N)，Yj=(yj1，yj2，yj3，…，yjN)，N是特征矢量維數(shù)。實際應(yīng)用中，DTW一般采用動態(tài)規(guī)劃技術(shù)（DP）來實現(xiàn)[1]。動態(tài)規(guī)劃是一種最優(yōu)化算法，其原理如圖1所示。將測試模板的各幀i=1,2,......,I作為二維直角坐標(biāo)系的橫軸，參考模板的各幀號j=1,2,......,J作為縱軸。通常規(guī)整函數(shù)w(i)被限制在一個平行四邊形內(nèi)，如圖1，它的一條邊的斜率為2，另一條邊的斜率為1/2。規(guī)整函數(shù)的起始點為(1,1)，終止點為(I,J)，即W(1)=1，W(I)=J。的斜率為0、1或2；否則就為1或2。這是
6、一種簡單的局部路徑限制。求最佳路徑問題可以歸結(jié)為滿足局部路徑約束條件，使得沿路徑的累積距離最小。搜索該路徑的方法：從(1,1)點出發(fā)，可以展開若干條滿足局部路徑約束條件的路徑。假設(shè)可以計算每條路徑達(dá)到(I,J)點時的總的累積距離，具有最小累積距離者即為最佳路徑。這個最小累積距離即為測試語音模板與參考模板語音之間的距離。則與測試模板距離最小的參考模板對應(yīng)的說話人即判為識別結(jié)果。3.2改進(jìn)的多門限多判決的動態(tài)時間規(guī)整方法很顯然，在模板庫中總的詞條數(shù)目不變時，增加模板的數(shù)量會提高識別率，但是模板數(shù)目的增加也會帶來系統(tǒng)響
7、應(yīng)速度變慢的問題。因此，本文在說話人辨認(rèn)系統(tǒng)中采取了多門限多次判決方法[2]，系統(tǒng)參考模板庫中共存有四套模板。輸入語音構(gòu)成的測試模板先跟第一套模板進(jìn)行匹配，求出與每個模板的最佳匹配距離，距離最小者作為候選輸出。設(shè)定一個拒絕門限，若最小匹配距離也大于該門限，則表明該輸入語音不在語音庫范圍內(nèi)，停止下一步匹配，結(jié)果判該輸入語音對應(yīng)的說話人為庫外人員。另外再設(shè)一個接受門限，若匹配距離小于該門限，則候選輸出為正式的輸出；否則，再進(jìn)行第二輪匹配，即與第二套模板進(jìn)行匹配.這樣一直到第四套模板，如果此時還沒有得到理想的輸出，則可
8、綜合評價四次匹配結(jié)果，得出最后的輸出結(jié)果。此外，為了減少多輪匹配的計算量，定義一個差別閾值[2]，在每輪匹配結(jié)束后，計算最小匹配距離與其他模板匹配距離的差別，若所有的差別均大于差別閾值，則表明輸入模板與候選輸出模板較其他模板有很大的相似性，可以作為正式的輸出。若仍有模板的差別小于差別閾值，則表明這些模板與候選輸出模板之間還可能存在混淆，需待下一輪匹配進(jìn)行澄清。因此在下一輪
