speakerrecognition说话人识别分析.ppt

語者辨識 Speaker Recognition 語者辨識課題 語者辨認系統可分為兩個課題： 語音特徵擷取 ( Feature Extraction ) 分類器 ( Classifier ) 重要研究方向： 提昇辨識性能 簡化計算複雜度 硬體架構 語者辨識模式 根據使用者的聲音訊號輸入，辨認使用者身份 辨識模式 –語音識別 ( Speaker Identification ) –語者驗證 ( Speaker Verification ) 語音輸入模式 –文字相關 ( Text - Dependent ) 模式 –文字不相關 ( Text - Independent ) 模式 語者辨識流程 輸入語音訊號 語音訊號取樣 語音訊號前處理 語音訊號特徵抽取 語者辨識分類器 分類 語者識別模式    語者驗證(比對)模式 訊號處理 特徵抽取 比對 註冊者特徵 語音特徵資料庫 註冊 語音輸入 接受/拒絕 語音訊號處理及特徵抽取 語音訊號前處理 語音特徵抽取 –線性預測編碼導出的倒頻譜參數 ( Short - Time Cepstral Coefficient - LPCC ) –梅爾刻度式倒頻譜參數 ( Mel-Frequency Cepstral Coefficient - MFCC ) 語音訊號之音框(Frame) 語音訊號前處理 漢明窗 ( Hamming Window ) 正規化 ( Normalization )] 預強調 ( Pre-Emphasis ) 語音訊號特徵－LPC 1. 求相關係數： 2. 求線性預測編碼 ( LPC ) 係數 Levinsion-Durbin演算法 k = 0,…P+1 特徵抽取－LPCC LPCC特徵向量 LPCC比LPC的強健性 ( Robustness ) 及可信賴度 ( Reliability ) 都要來的高。 缺點：將聲音在每段頻率上的特性視為線性，這與實際上人類的聽覺反應並不一致。 特徵抽取－MFCC Mel Scale： Linear-Scale和Mel-Scale Linear - Scale Mel - Scale 三角帶通濾波器 三角帶通濾波器的函數值： 帶通濾波器之輸出： MFCC 語音與混沌時間序列 里雅普諾夫指數(Liapunov exponents) Benettin等人於1976年提出一個計算里雅普諾夫指數的方法：將動態系統特定時間狀態作為初始狀態，兩個軌跡相臨點間的距離為△x0(X0)，經過時間t後兩點距離變化為△x(X0,t) 里雅普諾夫指數λ： 里雅普諾夫指數演算法(Liapunov exponents) PCA語音特徵擷取 Mean Value： Covariance Maxtrix： PCA： 破碎語音特徵擷取 Iterated Function System(IFS) 破碎語音特徵擷取 小波語音特徵擷取 1. 計算每一層小波轉換後的語音訊號係數的平均能量： 2. 將每一層i平均能量當小波轉換的語音訊號特徵值：