基于子空间和模糊支持向量机的说话人识别.pdfVIP

基于子空间和模糊支持向量机的说话人识别 吴峰燕 河海大学电气工程学院，南京 （210098 ） E-mail ：shjzhliuyan@ 摘 要：文中给出了一种新的文本相关的说话人识别方法，它将语音声学空间进行划分，采 用模糊支持向量机进行说话人识别，并提出了负隶属度概念进行类别标识。实验表明，该方 法分类效果好，有较高的识别率。 关键词：子空间；模糊支持向量机；说话人识别 中图分类号 TP391.42 文献标识码 A 1. 引言 说话人识别（speaker recognition ）是继人脸，指纹识别以后的又一生物识别技术，主要 是通过对说话人语音特征参数的分析和研究，鉴定说话人的身份。目前主要的识别方法有高 斯混合模型、隐马尔可夫、矢量量化等识别模型。基于结构风险最小化原则的支持向量机模 式识别和非线性分类领域[1] 中表现出了很多的优势，越来越得到广泛的重视和应用，有研究 表明[2,3]基于支持向量机的说话人识别也取得了比较好的效果 ，但是只能硬性的将每个样本 点归属到某一类里，对于某些奇异点或边缘点往往无法做出正确的判决，从而出现错误分类 或者某样本点同时属于多类的情况。 本文基于支持向量机的说话人识别研究基础上，提出了基于子空间划分和模糊支持向量 机的说话人识别算法。该算法对语音声学空间进行划分后，在每个子空间内建立模糊支持向 量机进行分类识别，引入负隶属度概念，克服传统支持向量机硬分类的缺点。实验表明，相 比于传统支持向量机说话人识别，该方法表征能力强，具有更好的识别率。 2. 语音声学空间划分 说话人的语音由不同的音素构成，音素是语音的基本单位。不同的音素在语音声学空间 中的分布不同，语音声学空间具有更精细的结构。本文主要采用无监督聚类方式对语音声学 空间进行划分，将近似的信息归到同一空间，有利于增强表征说话人的某一特征的个人信息。 设语音特征参数序列为x , n 1,..., N ， N 为帧数，并设子空间数为M ，则相应的聚类数 n 为M 。子空间划分的具体步骤为： （1） 从 x , n 1,..., N 中随机选取 M 个语音帧参数作为初始聚类中心，即得到 n Cm , m 1,..., M ； （2 ） 计算各语音帧参数到各类中心的加权欧氏距离 I D ∑w (x =−c )2 nm i ni mi i 1 其中 D 为第n 帧参数到第m 类中心的距离， w 为语音特征参数 维的权重,采用 i nm i sigmod 函数确定权重; （3 ） 根据各帧参数到各类中心的距离，重新将数据归类； （4 ） 根据以下公式重新计算类中心 - 1 - N 1 m Cm ∑xn N m n 1 其中x , n 1,..., N 为所有归类于第m 类的参数帧； n m （5 ） 根据以下条件进行判断，若满足则结束，否则转到步骤2 继续循环： ① 新旧