说话人识别中特征参数的提取及其优化的研究.pdf

内 容 摘 要 说话人识别技术是语音信号处理一个研究热点。特征提取和模式匹配是说话人识 别技术的关键，特征选取与优化处理能够提高识别率，本文所做的主要工作如下： 一、在语音信号前端处理时，为了提高在强噪声环境下语音端点检测的准确度， 提出基于子带二次谱熵的端点检测算法。该算法把子带二次谱熵作为端点检测新的特 征参数，将有限状态机判别方法与子带二次谱熵相结合，有效地解决单门限法易出现 的两类误判。与传统的短时能量与过零率结合法、谱熵法两种方法相比，基于子带二 次谱熵的端点检测算法具有准确性高，抗噪性强等优点。 二、提取基音轮廓特征时，分析了现有功率谱二次处理基音检测方法的不足：对 于过渡语音，易产生半频或倍频误判；噪声干扰下，检测结果易失真；清、浊音的判 断方法复杂。针对不足，提出一系列改进方法：时域非线性处理，频域加窗滤波，简 化清、浊音判断。仿真实验结果表明，无论是高信噪比还是低信噪比语音，改进的二 次谱法较传统的平均幅度差函数(AMDF)法和二次谱法更能清晰、准确地检测出基音 轨迹。 三、提出了新的特征组合参数：基于人的听觉特性的Mel 频率倒谱系数(MFCC) 参数、基于发音生理特征的基音轮廓特征以及衍生的基音周期一阶差分、基音周期变 化率作为说话人识别系统的特征参数，实验结果表明，使用该参数较单独使用MFCC 参数的说话人识别系统识别率提高了2%-3%。 四、为了提高MFCC 作为说话人识别特征参数的识别率，提出了基于Fisher 比 及相关距离的MFCC 提取方法，并根据Fisher 比及相关距离的值，采用两种方法对 MFCC 参数分析：降维、窗函数倒谱提升。仿真实验表明：降维方法能使识别率提高 10%-15%；新的特征加权的识别率较传统的 raised-sine 和 half raised-sine 窗提高了 10%-20%。 本文主要对说话人识别的特征提取与优化处理进行研究。在识别的前端，使用了 较准确的端点处理方法；选取了基音轮廓、MFCC 组合特征，并给出了MFCC 优化 方法。本文的研究工作有助于说话人识别率的提高，有助于特征提取与优化方法的进 一步发展。 关键词：说话人识别 端点检测 基音检测 组合特征 Fisher 比-相关距离准则 II Abstract Speaker recognition has become a hot research topic in the field of speech signal processing. The key points of a speaker recognition system are feature and recognition algorithm. In this paper, attention is paid on the former, i.e., feature extraction and optimization. The mainly contributions are as follows: a. Voice activity detection (VAD) in strong noise environments is improved by an algorithm based on subband reprocessed spectrum entropy (BRSE). A new voice/noise discrimination algorithm is proposed by combining the finite state machine (FSM) with BRSE. The misdetections caused by using single-threshold are reduced greatly. Experimental