语音信号处理第十 十一章说话人识别 语种识别 语音隐藏.pptVIP

识别的目的是找到一个 ，其对应的模型 使得待识别语音特征矢量组X具有最大后验概率 根据Bayes理论，最大后验概率可表示为： 在这里： 其对数形式为： 因为 的先验概率未知，我们假定该语音信号出自 封闭集里的每一个人的可能性相等，也就是说： 10.7说话人识别中尚需进一步探索的研究课题 1.基础性的课题 关于语音中语意内容和说话人的分离，系统的全面的进行研究的人还是很少的。 究竟什么特征参数对说话人识别最有效？如何有效的利用非声道特征？ 说话人特征的变化和样本选择问题。 用听觉和视觉的说话人识别研究是用计算机进行说话人识别的基础。 实用性的问题 说话人识别系统设计的合理化及优化问题。 如何处理长时和短时说话人的语音波动？如何区别有意模仿的声音？ 说话人识别系统的性能评价问题。 可靠性和经济性。 目前说话人识别的主要研究主要集中在如下几个方面： 语音特征参数的提取和混合 HMM模型与其他模型混合，改善说话人识别系统的性能。 说话人识别中尚需进一步探索的研究课题 说话人识别 语 种 识 别 语 音 隐 藏 10.8语种辨别的原理和应用 语种辨别（Language Identification ）与语音识别和说话人识别有所不同，它是通过分析处理一个语言片段以判别其所属语言的语种，本质上也是语音识别的一方面。 10.8.1语种辨别的基本原理和基本方法 世界上的不同语种间有多种区别，比如音素集合、音位序列、音节结构、韵律特征、词汇分类、语法及语意网络等，所以在自动语种辨识中有多种可利用的特征。就一个语种辨识系统的结构而言，则和语音识别及说话人识别有相似之处，其基本框架结构如图10-9所示。 语言1模板 语言1匹配 语言2模板 语言2匹配 语言N模板 语言N匹配 特征提取 … 识别结果 分类判决 图10-9 语种辨识系统框图 I.基于失真的VQ方法 语种1 码本1 语种N 码本N 语种2 码本2 参考模型 … VQ失真计算 特征 提取 辨识 判决 语音输入 识别结果 图10-10 基于VQ的语种辨识流程 离散/连续各态经历HMM 有记忆 从左到右HMM 各态历经HMM 语种1 HMM1 语种N HMMN 语种2 HMM2 参考模型 … 概率计算 特征 提取 辨识 判决 语音输入 识别结果 图１０－１１ 基于HMM的语种辨识流程 混合高斯分布模型 HMM的一个特例，当混合连续分布HMM每个状态的观察概率分布都满足高斯分布时，GMM可以看做单状态混合连续分布HMM。 具有3个混合数的GMM 假设输入语音信号矢量的时间序列是 具有３个混合数的高斯分布模型： GMM与HMM的联系 ３状态各态历经型连续ＨＭＭ ３状态３个混合数各态历经连续ＨＭＭ 语种辨别的应用领域 语种辨别在信息检索及军事领域都有很重要的应用。主要包括 多语种信息服务：很多信息查询中可提供多语种的服务，但一开始必须用多语种语言提示用户选择用户所需语言。 机器自动翻译的前端处理。 军事上对说话人身份和国籍进行判别或监听等。 说话人识别 语 种 识 别 语 音 隐 藏 １１．６　语音信息隐藏的原理与应用 教材Ｐ２５２ 信息隐藏技术是利用多媒体信息中存在的冗余及人类感知系统的特性，在不影响原始多媒体信息的感知质量的前提下，把额外的信息隐藏到原始载体中的一种技术。信息隐藏技术按载体信息的类型通常可分为：语音和音频信息隐藏、图像和视频信息隐藏等。 语音信息隐藏按照嵌入信息与载体信号是否相关可分为：语音隐写和数字语音水印。他们有不同的应用背景。 　　语音信息隐藏系统通常包含三个部分：隐藏信息生成模　　　　 　　　块G，信息嵌入模块E，以及隐藏信息检测（提取）模 　　　块D。语音信息隐藏系统一般框架如图所示。 11.７ 语音信息隐藏的常用方法 1.回声隐藏算法 人类听觉系统对高能量信号前后短时间发生的少量畸变无法感知,超前掩蔽区持续时间较短(大约5 ～20ms ) ,而滞后掩蔽区持续时间较长(大约50～200ms )。 回声隐藏算法即是一种利用了人类听觉系统的这种时域掩蔽特性，通过在时域引入回声将隐藏信息嵌人到语音信号中的算法。回声隐藏与其他数字语音隐藏信息方法不同 ,它不是将隐藏信息当作随机噪声嵌入到原始数字语音,而是作为原始数字语音的环境条件。 隐藏信息嵌入过程可表示为： 上式中 表示嵌入隐藏信息后的信号， 表示原始语音信号， 表示嵌入强度　， 、 分别表示隐藏信息 所对应的时间间隔。 2.相位编码算法 人耳具有对