说话人识别研究综述【荐】.pdfVIP

说话人识别研究综述 王书诏，邱天爽 大连理工大学电子与信息工程学院（116023） E-mail:wangshuzhao2002@163.com 摘 要：说话人识别是语音信号处理中的重要组成部分，是当前的研究热点之一。本文详细 介绍了说话人识别的基本原理，从特征提取、模型训练和分类等几个方面近年来的主要研究 情况及进行综述和评价，并在此基础上探讨其研究难点和发展前景。 关键词：说话人识别；特征提取；模型训练；分类 1.引言 说话人识别作为生物认证技术的一种，是根据语音波形中反映说话人生理和行为特征的 语音参数，自动鉴别说话人身份的一项技术[1]。为此，需要从各个说话人的发音中找出说话 人之间的个性差异，它涉及到说话人发音器官上的个性差异、发音通道之间的个性差异、发 音习惯之间的个性差异等不同级别上的差异。说话人识别是交叉运用心理学、生理学、语音 信号处理、模式识别、统计学习理论和人工智能的综合性研究课题。 说话人识别根据实现的任务不同，可分为说话人辨认(Speaker Identification)和说话人确 认(Speaker Verification)两种类型[2]。说话人识别根据系统对待识别语音内容的不同，又可 [3] 分为与文本有关(text-dependent)和与文本无关(text-independent)两种方式 。 2.说话人识别的基本理论与前期处理 [4] 2.1 语音产生模型 [4] 语音信号可以看成是激励信号U n 经过一个线性系统H (z ) 而产生的输出 。其中， G ( ) 声道模型H (z ) 为离散时域的声道传输函数，通常可以用全极点函数来近似。不同的说话人 其声道形状是不同的，因此具有不同的声道模型。H (z ) 的表达式为： 1 1 H (z ) A(z ) p −i 1− a z ∑ i i 1 式中p 为全极点滤波器的阶数，a (i 1,2,..., p) 为滤波器的系数。p 值越大，则模型 i 的传输函数和实际声道的传输函数的吻合程度就越高。当然p 值也不能取得太大，一般情 [4] 况下，p 取 8～12 。 2.2 说话人识别基本原理 图 1 给出了说话人识别系统框图。和语音识别系统一样，建立和应用这一系统可以分为 两个阶段，即训练阶段和识别阶段。在训练阶段，系统的每个使用者说出若干训练语句，系 统据此建立每个使用者的模板或模型参量参考集。而在识别阶段，待识别说话人语音中导出 - 1 -