语音识别的SVM模型选择分析.docVIP

语音识别的SVM模型选择分析 　　摘要：针对现有SVM模型选择方法中，人为指定核函数类型可能使得SVM性能难以达到最优化，分析了现有核函数类型对语音分类率的影响。并把K-交叉验证思想与网格搜索法、遗传算法、粒子群优化算法相结合进行参数寻优，应用到语音识别中。并对语音特征数据处理问题进行了研究。分析结果表明[-1，1]内对语音特征参数归一化，且采用径向基核函数、网格搜索法对参数寻优，能达到最优的语音分类率。 　　关键词：语音识别；语音特征参数；SVM（支持向量机）；模型选择；归一化；交叉验证 　　中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2015）25-0133-02 　　Speaker Recognition Model Selection Analysis Based on SVM 　　ZHAO Hai-jun 　　（College of Information， Shanxi Agricultural University， Taigu 030800， China） 　　Abstract： For existing SVM model selection method， specified the type of man-made kernel may make it difficult to optimize the performance of SVM， it analyses the impact of existing kernel type to speech classification. Combining K-fold cross validation with grid searching and GA and PSO are used parameter optimization in speech recognition. Also it studies speech characteristic processing problem .Analysis results show that the normalization of [-1， 1] and using Radial Basis Function（RBF） and grid searching can achieve the best speech classification rate. 　　Key words： speaker recognition； voice feature parameter； Support Vector Machine（SVM）； model selection； normalization； cross validation 　　1概述 　　语音识别（speaker recognition，SR）技术（也成声纹识别技术），是生物认证技术的一种，是一项根据语音波形中反映说话人生理和行为特征的语音参数，自动识别说话人身份的技术[1]。语音识别技术的核心是通过预先录入说话人的样本，提取说话人独一无二的语音特征并保存在数据库中，应用时将待验证的声音和数据库中的特征进行匹配，从而决定说话人的身份。语音识别技术以其独特的方便性、经济性和准确性受到世人瞩目。 　　在语音识别中最常用的特征参数是基于声道的LPCC、运用基于等响度曲线和临界带的PLP以及基于听觉特性的MFCC[2-3]，本文选取MFCC特征进行仿真实验。首先分析了对特征参数的预处理问题，接着将现有的核函数类型对语音分类率的影响作了分析，然后还对分类器训练中惩罚因子c和核函数参数[γ]进行优化，从而来提高语音分类率。 　　2支持向量机原理 　　对于非线性可分问题，SVM的基本思想是：利用核函数将输入特征的样本点映射到高维特征空间中，数据被超平面分割，在高维空间中变得线性可分，转化为线性可分模式，然后再对应于低维空间的非线性分类[4]。 　　对于线性可分模式，考虑训练样本[xi，yiNi=1]，其中[xi]是输入模式的第[i]个样本，[yi∈-1，+1]。设用于分离的超平面：[w?x+b=0]其中w是超平面的法向量，b是超平面的常数项。SVM的主要思想是建立一个超平面作为决策曲面，使得正例和反例之间的隔离边缘被最大化。即最优分类超平面等价于求最大间隔。满足下面条件的特殊数据点[xi，yi]称为支持向量：[w?xi+b=-1，yi=-1]or[w?xi+b=1，yi=1]。支持向量是那些最靠近决策面的数据点。 　　3实验结果与分析 　　Timit Database语音数据库中，选取6个不同男性的声音，都是说的相同的话。对每个语句提取相应的MFCC参数，且选取前400组变换参数数据，其中350组样本