資源描述：
《基于改進的時間動態(tài)規(guī)整算法的多特征組合的說話人辨認方法研究》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、基于改進的時間動態(tài)規(guī)整算法的多特征組合的說話人辨認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)，為了進一步提高識別率，本文采用了多門限多判決的改進的動態(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，再進行第二輪匹配，即與第二套模板進行匹配.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，需待下一輪匹配進行澄清。因此在下一輪
