基于因子分析的說話人分離技術(shù)研究

《基于因子分析的說話人分離技術(shù)研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。

1、ｗ－叫饋減；奪因若來大賽ＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｏｆＣｈｉｎａｇｙ碩±學位論文美－纖Ｘ＾ｃｅａｎｄ／咬供占＇論文題目基子因子分折的化巧人分壽技術(shù)研堯作者姓名＾電路與余統(tǒng)學科專業(yè)李輝苗ｊ教援導以巧姓名二〇…六■年六？月完成時間牛逸種《我術(shù)夫緣碩±學位論文卷基于因子分析的說話人分離技術(shù)研究作者姓名；李銳學科專業(yè)：電路與系統(tǒng)導師姓名：李輝副教授—完成時間：二〇六年五月八日Ｕｎｉｖｅｒ

2、ｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙｏｆＣｈｉｎａ一Ａ’ｄｉｓｓｅｒｔａｔｉｏｎｆｏｒｍａｓｔｅｒｓｄｅｒｅｅｇ？ＴｈｅＳｔｕｄｏｆＳｐｅａｋｅｒＤｉａｒｉｚａｔｉｏｎｙＢａｓｅｄｏｎＦａｃｔｏｒａｎａｌｓｉｓｙ’Ａｕ化ｏｒｓＮａｍｅ：ＲｕｉＬｉＳｐｅｃｉａｌｉｔ：ＣｉｒｃｕｉｔｓａｎｄＳｙｓｔｅｍｓｙＳｕｅｒｖｉｓｏｒＡｓｓｏｃｉａｔｅＰｒｏｆ．ＨｕｉＬｉｐ：化Ｆｉｎｉｓｈｅｄｔｉｍｅ：Ｍａ８，２０１６ｙ中國科學技術(shù)大

3、學學位論文原創(chuàng)性聲明本人聲明所呈交的學位論文，是本人在導師指導下進行研究工作所取得的成果。除己特別加Ｗ標注和致謝的地方外，論文中不包含任何他人己經(jīng)發(fā)表或一撰寫過的研究成果。與我同工作的同志對本研究所做的貢獻均已在論文中作了明確的說明。＞＇備作者簽名：冰簽字日期：中國科學技術(shù)大學學位論文授權(quán)使用聲明一作為申請學位的條件之，學位論文著作權(quán)擁有者授權(quán)中國科學技術(shù)大學擁有學位論文的部分使用權(quán)，目Ｐ；學校有權(quán)按有關(guān)規(guī)定向國家有關(guān)部口或機構(gòu)送交論文的復印件和電子版，，允許論文被查閱和借閱可Ｗ將學位論文編入《中

4、國學位論文全文數(shù)據(jù)庫》等有關(guān)數(shù)據(jù)庫進行檢索，可Ｗ采用影印、縮印或掃描等復制手段保存。本人提交的電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)、匯編學位論文容相一致。保密的學位論文在解密后也遵守此規(guī)定。５□保密（年）１＾＿＿＾ｙ２：作者簽名：導師簽名勺簽字日期：Ｌｙ心、。三簽字日期：．以７！摘要巧要高速發(fā)展的計算機水平和音頻處理技術(shù)，使得人們對于從海量數(shù)據(jù)中獲?。崳娨坏礁信d趣的人聲，，越來越有需求。另方面如何對獲取到的各類音頻進行合一大挑戰(zhàn)，，理有效的管理，也是目前存在的。在此背景下為了滿足上述需要一

5、過程說話人分離這：說話人分割和說話關(guān)鍵技術(shù)應(yīng)運而生，其主要涉及兩個人聚類。說話人分離系統(tǒng)幾乎無任何可供參考的先驗信息使用，容易受環(huán)境或者建模方法的影響，使得分割和聚類時說話人片段的類純度得不到保證，基。另外一一直的向上傳遞于距離準則的層次聚類方式旦出現(xiàn)聚類誤差，會。因此本文主要在說話人分割和聚類的建模方法Ｗ及類別提純上展開了探索和研究，主要工作和創(chuàng)新點如下：一第，說話人分離前端語音端點檢測ＶｏｉｃｅＡｃｔｉｖｉ巧Ｄｅｔｅｃｔｉｏｎ，ＶＡＤ）和（類別提純方面的研究。針對基線系統(tǒng)中存在的低能量語音難Ｗ召回

6、及噪聲難Ｗ去除的情形，引入了深度學習的方法，在分離前端進行改進。針對層次聚類時出現(xiàn)聚類誤差向上傳遞的情況，提出了基于貝葉斯信息準則（ＢａｙｅｓｉａｎＩｎｆｏｒｍａｔｉｏｎ知ｔｅｒｉｏｎＢＩＣ）的短時類別提純方法差，，削弱由層次聚類帶來的誤向上傳遞的影響。實驗結(jié)果表明，基于深度學習的語音端點檢測，能有效的降，，且基于短時Ｂ低說話人分離時的虛警和漏警并且降低說話人分離錯誤率ＩＣ類別提純的方法，能更新部分聚類錯誤的說話人片段，提高后續(xù)說話人聚類的類純度。第Ｉ：：，說話人轉(zhuǎn)折點檢測建模方法的研究。探索了基于深度

7、神經(jīng)網(wǎng)絡(luò)（ＤｅｅｐＮｅｕｒａｌＮｅｔｗｏｒｋ，ＤＮＮ）的建模方法在說話人轉(zhuǎn)折點檢測中的應(yīng)用，利用其強大的模型表達能力，提高說話人分割的準確性，這。實驗結(jié)果表明種基于深度學習的轉(zhuǎn)折點檢測建模方法相比于傳統(tǒng)的ＢＩＣ建模方法，無論是在轉(zhuǎn)折點檢測，ｉａｒｉｚａｔｉｏｎＥｒｒｏｒＲａｔｅ，Ｄ化）的準確率和召回率還是對整個系統(tǒng)的分離錯誤率（Ｄ來說一，都獲得了定的效果提升。第Ｈ，說話人聚類時的因子分析建模方法研究。傳統(tǒng)的Ｗ貝葉斯信息準則作為相似性度量的說話人分離技術(shù)，在短時對話的分離任務(wù)中能取得較好的效果，但

8、是隨著對話時長的增加，ＢＩＣ的單高斯模型不足Ｗ描化不同說話人數(shù)據(jù)的分布，且層次聚類時區(qū)分相同說話人和不同說話人的口限值難劃定。針對此問題，本文嘗試基于短時ＢＩＣ和長時概率線性判別分析（Ｐｒｏｂａｂｉ