基于DSP话者识别系统SVM算法研究.pdfVIP

基于DSP的话者识别系统SVM算法的研究 1 2 郭峻岭 沈维聪 1 武汉理工大学信息工程学院, 湖北武汉 （430070 ） 2 武汉理工大学信息工程学院, 湖北武汉 （430070 ） E-mail ：candykiven@163.com 摘要：本文给出了一种基于 DSP 的话者识别系统的硬件设计与算法研究。硬件核心是 TMS320C5402数字信号处理器，接口芯片为数模/模数转换器 TLV320AIC23。软件算法采用支 持向量机 SVM(Support Vector Machine)方法来对语音信号进行训练与识别。 关键词： 话者识别 DSP 倒谱系数(MFCC) 支持向量机(SVM) 1. 引 言 话者识别即说话人识别，它是语音识别的一个重要发展方向。与语音识别不同的是，说 话人识别利用的是语音信号中的说话人信息，而不考虑语音中的字词意思，它强调说话人的 个性特点；而语音识别的目的是识别出语音信号中的言语内容，并不考虑说话人是谁，它强 调共性。随着现代数字通讯、多媒体系统、信息高速公路等技术的应用和发展，话者识别己 经越来越深入地影响并改变着我们每个人的生活和工作方式，这同时也对语音信号处理的研 究工作提出了更高的要求，它在各方面的进展也令人瞩目。如今，说话人识别技术己逐渐走 入实际应用，ATT 应用说话人识别技术研制出了智慧卡(smart card)，己应用于自动提款 机[4] 。欧洲电信联盟在电信与金融结合领域应用说话人识别技术，于 1998 年完成了CAVE (Caller Verification in Banking and Telecommunication)计划，并于同年又启动了 PICASSO (Pioneering Call Authentication for Secure Service Operation)计划，在电 信网上完成了说话人识别。 2. 话者识别基本原理 话者识别技术是一门交叉学科，它所涉及的学科基础包括：信号处理、模式识别、概率 论和信息论、发声机理和听觉机理、人工智能等等。每个说话人的语音信号既含有文本信息 又含有说话人信息，说话人识别就其本质来讲，就是要把语音信号中的文本信息与说话人信 息分离开，提取其中表征说话人身份的信息；另一方面，我们希望在提取说话人的特征时要 尽可能地做到与文本无关，不易受外界环境、身体状况等因素的影响。 因此从语音信号中 提取的说话人特征参数应满足以下准则[3.4] ： 对局部变量(例如：身体状况、情绪、系统的传输特性)不敏感； 能长期地保持稳定； - 1 - 容易对其进行测量和存储； 话者识别分为训练和识别两个部分[1] 。在训练阶段，话者识别系统将为每一个话者建立 一个能够描述这一说话人个性特征的模型，即说话人的语音特征模型。话者识别系统对语音 样本进行学习，学习结束把学习的内容存储到模型库中。在识别阶段，对说话人进行辨认时， 取与测试音匹配距离最小的说话人模型所对应的说话人作为说话人识别的结果；对说话人进 行确认时，用测试音的模型与所声称的说话人的模型进行比较，若匹配距离小于一个规定的 阀值，则该说话人得到确认。说话人识别的基本原理如图一所示。 语音输入 识别结果 预处理 特征提取 模式匹配 模板训练 参考模式 图 1 话者识别基本原理 3. 系统硬件结构 本系统以TMS320C5402为