变异特征加权的异常语音说话人识别算法.pdfVIP

华 南 理 工 大 学 学 报 (自然科 学版 ) 第40卷 第3期 JournalofSouthChinaUniversityofTechnology (NaturalScienceEdition) Vo1．40 No．3 2012年3月 March 2012 文章编号：1000—565X(2012)03—0106．06 变异特征加权的异常语音说话人识别算法木 何俊 李艳雄 贺前华 李威 (华南理工大学 电子与信息学院，广东 广州 510640) 摘 要：常用的加权算法难以跟踪非常态语音特征的变异，为此，文中提出了一种变异特 征加权的异常语音说话人识别算法．首先统计大量正常语音各阶MFCC特征的概率分布， 建立正常语音特征模板；然后用测试语音特征与正常语音特征模板之间的K．L距离和欧 氏距离来度量语音的变异程度 ，确定K．L加权因子和欧氏加权因子；最后利用加权因子 对测试语音的MFCC特征进行加权，并将加权后的特征输入高斯混合模型进行异常语音 说话人识别．实验结果表明，文中提 出的K．L加权和欧氏加权的异常语音说话人识别算 法的整体识别率分别为46．61％和42．25％，而基于各阶特征对说话人识别贡献的加权算 法和不加权算法的整体识别率分别为39．68％和36．36％． 关键词：异常语音；说话人识别；变异特征加权；K-L距离；加权因子 中图分类号：TN912．3 doi：10．3969／j．issn．1000-565X．2012．03．017 说话人识别 (SR)是以语音为依据对说话人进 中，以取得系统的鲁棒性，如并行模型组合(PMC)． 行别识，从而达到身份鉴别和认证的技术，已广泛应 基于特征的方法主要集 中于稳健特征的提取和 用于国防、公安的身份鉴定系统、电话银行及 电子商 加权处理．特征加权就是通过抑制 由噪声引起的特 务的身份确认系统及各类门禁系统 ¨’2J．目前各类 征变化对识别模型分数的影响，提高纯净语音特征 说话人识别和认证系统在实际应用时受环境噪声和 对识别模型分数的权重，从而达到抑制噪声语音对说 异常语音的影响，识别率急剧下降；同时，现实生活 话人识别结果的影响．然而，在实际应用环境中获得 中引起说话人语音变异的因素较多，如感冒、咽喉 纯净语音是比较困难的．文献[7]中使用CMN算法对 炎、淋巴炎、反 胃酸、情绪波动等．如何解决 目前声纹 加性噪声的语音进行识别，相对不进行CMN处理的 身份认证系统的普适性低、鲁棒性差问题及异常语 识别率提高了2．6％．文献 [8]中根据心理听觉声学 音问题，受到了广泛的关注 ． 原理对Mel倒谱特征进行加权，用安静语音进行说话 目前，用于提高语音识别系统鲁棒性的经典方法 人识别，结果表明通过加权能使识别率提高1．3％．文 可分为3类 J：(1)基于特征的方法，直接去掉说话人 献 [9]用统计各阶MFCC特征对说话人识别的贡献， 特征信息中的噪声，如倒谱均值归一化 (CMN)、RAS— 根据贡献大小进行特征加权，用TIMIT语音数据库进 TA滤波处理、嵌入方法 (WM)和健壮参数；(2)基于 行说话人识别，识别率比不加权时提高了0．6％． 打分的方法，如模型打分和特征帧层打分；(3)基于模 对于安静和正常语音，文献 [8．9]中算法的性 型的方法，试图把失真特征合并到说话人本身的模型