共振峰动态特征在法庭话者鉴别中的应用研究.pdfVIP

@Jou十rnalol习fCh列niaC警rimnia学lPolic院eUnviersity 一 话者的测试，向左倾斜的曲线表示的是不同话者的 由图5可知，同一话者的测试 曲线和不同话者的 测试。结果表明：利用 ／ai／的前三个共振峰的起点频 测试曲线已经完全分开，没有交点，即等误率为0。这 率值进行测试的等误率 (两条曲线交点对应的值)为 意味着利用 ／ai／的9个共振峰数据 已经将同一话者对和 12％ (见图2)，错误排除(将 同一话者对误判为不同 不同话者对全部区分开来。另外，从不同话者的测试 话者对)的概率为 15％，错误认定 (将不同话者对误 曲线可以看出，将不同话者对误判为同一话者对的概 判为同一话者对)的概率9．1％。利用 ／ai／的前三个 率为 1％，即错误认定的概率为 l％；从同一话者的测 共振峰的中点频率值进行测试 的等误率也是 12％ 试曲线可以看出，将同一话者对误判为不同话者对的 (见图3)，错误排除的概率为 17％，错误认定的概率 概率为0，即错误排除的概率为0。由此可见 ，对于 为 10．2％。利用 ／ai／的前三个共振峰的终点频率值进 ／ai／而言，前三个共振峰的起点、中点和终点的频率值 行测试的等误率为9．2％ (见图4)，错误排除的概率 已经足以进行话者的有效区分，区分效果非常理想。 为9．5％，错误认定的概率为 9．2％。 与三点分别统计的结果 比较而言，将 ／ai／的前三 个共振峰频率的起点值 、中点值和终点值合并分析 时，话者区分的效果明显提高，等误率及同源 ／非同 源区分的错误率都明显降低。这表明动态特征的数据 越多，话者区分的效果越好。多点测量的数据分析结 果明显好于任何一点测量的数据或者平均频率值。先 前对于单元音的话者区分能力进行测试的研究结果表 明了很有限的话者区分能力 ，利用单个元音 (／i／、 ／n，、，a／、／e／)的共振峰频率的平均值统计的话者区 分的等误率基本上都在 20％以上。这足以说明元音 共振峰的动态轨迹特征在话者鉴别中的重要价值。因 图4 ／ai／的 F1～F3终点频率值似然率计算 的Tipper图 此，可以推断：采用共振峰动态轨迹追踪技术将提取 综合 ／ai／的前j个共振峰三点分别测试的结果来 更多的动态信息，话者区分的效果将会更好。 看，仅提取一点的共振峰频率值的区分效果大体相 3．2 ／iao／的话者区分能力测试 似，终点值的区分效果略好于起点值和中点值。这一 点从 ／ai／的宽带语图中也可以得到解释 ，即该元音从 起点到中点的变化相对较小，动态性不明显；而从中 点到终点的变化较大，动态性很强。由此可见，动态 性越强，话者区分的效果越好。 3．1．2 三点综合分析 为_『检验 a／i／的前i个共振峰三个时间点频率值 的综合效果，我们又进行了三点频率值的综合分析， 即每个话者元音起点、中点和终点的前三个共振峰的 l001OLIkelnOodRa C 频率值共9个参数值合并统计，结果见图5。 图6 ／iao／的F1一F3起点频率值似然率计算的Tipper图 Lo910Likelhioodgabo 图5 a／i／的F1 F3三点频率值似然率计算的Tippett图 图7 ／i