文本无关说话人识别人类听觉模型研究.pdfVIP

文本无关说话人识别的人类听觉模型研究 文本无关说话人识别的人类听觉模型研究 罗海风，龙长才，张冰 （华中科技大学物理学院，武汉，430074） The model of human auditory system in text-independent speaker recognition task Luo Hai-Feng, Long Zhang-Cai and Zhang Bing Department of Physics, Huazhong University of Science and Technology Wuhan, Luoyu Road 1037, 430074, P. R. China 1 引 言1 室中录制完成。每个录音人发音包括：元音串/a o e i u/,10 个自然语句（从流行书籍中随机选取）和 10 自动说话人识别指的是依据语音信号特征建立 个非自然语句。非自然语句是依据自然语句文本内 模型，使之能够自动识别出说话人的技术，具有极 容进行改动，用较生僻词汇代替原有常用词汇，使 其广泛的应用。说话人识别的研究最早可以追溯到 得各元音在自然语句中出现概率反转，高概率变成 上个世纪六十年代，经历了几十年的发展，文本相 低概率，低概率变为高概率。两种类型语句中元音 关的说话人识别已经得到了较好的解决，而不限定 发音概率见表 1。录音后利用Cool Edit Pro 2.1 将元 语音文本内容的文本无关说话人识别是现阶段研究 音串按照自然发音概率高低分离为两组：/i a e/和/e 关注的热点[1] 。当前文本无关说话人识别系统在良 u o/ ，同时所有发音调整至相同平均声强级。 好环境中的识别能力已经能够比人类更加优秀，但 表 1.自然/非自然语句中元音发音概率（％） 是自然环境中有很多因素会严重影响其效果，如复 Table 1. The pronunciation appearance probabilities of vowels in 杂干扰噪声和训练样本的缺乏。相对而言，人类听 natural sentences and unnatural sentences (%). 觉系统在鲁棒性和快速适应能力方面仍有明显优势 /i/ /a/ /e/ /u/ /o/ [2] 。由于对于短时语音特征的研究已经较为深入， 自然语 当前主流的自动说话人识别模型也大多是基于短时 46.9 29.1 25.9 24.8 20.6 句 特征的统计模型，如典型的GMM ，SVM等。虽然 长时语音特征在人类听觉系统中的作用有所研究， 非自然 23.7 22.7 30.7 32.1 25.5 但是其深入机制尚不明了[3] ，这也限制了这些信息 语句 在识别模型中的应用。在本论文中，基于priming效 应[4]设计心理声学实验，研究了人类在处理文本无 2.2 实验者 关说话人认证任务时，如何