应用VQ的说话人识别系统的改进.docVIP

应用VQ的说话人识别系统的改进 王 蕾，张友纯，周 燕 （中国地质大学信息工程学院，湖北 武汉 430074） 摘 要：说话人识别是语音识别的一种特殊方式，其目的不是识别语音内容，而是识别说话人是谁，即从语音信号中提取个人特征。采用矢量量化（VQ）可避免困难的语音分段问题和时间归整问题，且作为一种数据压缩手段可大大减少系统所需的数据存储量。本文提出了识别特征选取采用复倒谱特征参数和对应用VQ的说话人识别系统改进的一种方法。当用于训练的数据量较小时，复倒谱特征可以得到比较稳定的识别性能。VQ的改进方法避免了说话人识别系统的训练时间与使用时间相差过长从而导致系统的性能明显下降以及若利用自相关函数带来的大量运算。 关键词：复倒谱；说话人识别；矢量量化；短时平均幅度差 中图分类号：TN912.3 文献标识码：A 文章编号：1811-8755(2004)0619 Voiceprint identification based on improved VQ WANG Lei, ZHANG You-chun, ZHOU Yan (School of Information of China University of Geosciences, Wuhan 430074, China) Abstract: Speaker Recognition is a special mode of speech recognition. The order does not recognize speech signals. It expects who is speaking. That is distilling one’s character. Using VQ not only can avoid difficult speech subsection and time warping, but also it can reduce data store as a constringent method. This text introduces a method of digits text speaker recognition is introduced, which is based on complex cepstrum parameters and improved vector quantization modeling. When the data of training is small, complex cepstrum can recognize stably. The method of improved vector quantization modeling avoid the time of speaker recognition and because of the lasting time inducing the bad recognition. Besides avoid a lot of operation using Autocorrelation function. Key words: complex cepstrum; speaker recognition; VQ; AMDF 引言： 自动说话人识别（Automatic Speaker Recognition，ASR）是要通过对说话人语音信号的分析和提取，自动确定说话人是否在所登记的说话人的集合中，以及说话的人是谁的过程。说话人识别和语音识别的区别在于，它不注重包含在语音信号中的文字符号以及语意内容信息，而是着眼于包含在语音信号中的个性特征，提取说话人的这些个人信息特征，以达到识别说话人的目的。 语音是人的自然属性之一，由于说话人发音器官的生理差异以及后天形成的行为差异，每个人的语音都带有强烈的个人色彩，这使得通过分析语音信号来识别说话人成为可能。用语音来鉴别说话人得身份有着许多独特的优点，如语音是人的固有特征，不会丢失或遗忘；语音信号的采集方便，系统设备成本低；另外利用电话网络还可实现远程客户服务等等。 本文讨论一种应用VQ说话人识别系统的改进方法。系统实现可采用以下方法：特征提取采用倒谱特征，模式匹配采用VQ矢量量化，并且针对VQ建模的不足提出了一改进方法。 说话人识别特征的选取 在说话人识别系统中特征提取是最重要的一环，特征提取就是从说话人的语音信号中提取出表示说话人个性的基本特性。代表性的特征参数有倒谱和基音参数。试验证明，用倒谱特征可以得到比较好的识别性能，而且稳定的基音特征较难提取。 一般来说，人能从声音的音色、频高、能量的大小等各种信息中知觉说话人的个性特征。所以，如果利用复数特征的有效组合，可以得到比较稳定的识别性能。