基于分层结构的文本相关说话人识别算法.pdfVIP

第十一届全国人机语音通讯学术会议 基于分层结构的文本相关说话人识别算法 李稀敏，洪青阳，黄晓丹 (厦门大学 智能科学与技术系，厦门 361005) 摘 要： 提出一种基于分层结构的文本相关说话人识别算 了广泛的应用。说话人识别(Speaker Recognition, 法。该算法首先建立一个 UBM 模型，然后用一段说话人的 SR)，是人体生物识别技术之一，它利用人的语音 长语音从 UBM 中自适应一个文本无关的GMM 模型，再用 来识别人的身份。通过说话人识别技术，我们可以 多段说话人的短口令语音从 GMM 模型中自适应一个 使用电话来远程识别对方的身份。在一些典型的应 SCHMM 模型，由 GMM 模型和 SCHMM 模型共同组成一 用中，例如银行的客户电话服务中心，使用说话人 个文本相关的说话人模型。该算法有效利用了大量背景语料 识别技术来确认客户身份的合法性，以此决定是否 所涵盖的背景知识，克服了 DTW 和 HMM 等算法的缺点， 让其接入银行的查询业务，保障银行账户的安全。 建立了一个鲁棒性更强的说话人模型。并初步研究了判决阈 由于说话人识别技术具有非接触式远程识别的特 值的设置问题。在自建电话语音库TS_Corpus 上获得了4.6% 点，它在金融、社会保险、网络交易等许多领域得 的等错误率，较DTW 和 HMM 分别降低了 80%和 86.8%， 到了应用，并且随着技术的发展成熟，将在更广泛 验证了该算法的有效性。 的领域得到更多应用。 关键词：文本相关说话人识别；高斯混合模型；半连续隐马 近几年来，说话人识别的研究有了非常大的进 尔可夫模型；分层结构；局部阈值 展。根据识别对象的不同，我们一般将说话人识别 中图分类号： TP391.4 分为三类：文本无关说话人识别、文本相关说话人 识别和文本提示型说话人识别，本文研究文本相关 Text-dependent hierarchical speaker 说话人识别。在文本相关的说话人识别中，由于文 recognition algorithm 本内容是已知的，识别时可以同时利用语音信号中 的语义特征和说话人特征，所以即使是比较短的语 Li Ximin , Hong Qingyang, Huang Xiaodan 音，也能从中提取出较稳定的说话人特征。目前最 (Cognitive Science Department of Xiamen University, Xiamen 常见的文本相关说话人识别算法有基于动态时间 361005, China) 规整(Dynamic Time Warping, DTW) 的方法和基于 隐马尔可夫模型(Hidden Markov Model, HMM)的方 Abstract: A text-dependent hierarchical speaker recognition algorithm 法。DTW 是模板匹配算法，它在训练过程中从口 was developed. First, a Universal Background Model (UBM) was built; 令语音中提取说话人特征矢量，形成特征矢量序 then, a Gaussian Mixture Model (GMM) was adapted from the UBM 列，并依据某种方法对其进行优化，求取一个特征 using a lon