一种加权矢量量化的说话人识别技术.docVIP

一种加权矢量量化的说话人识别技术 　　摘要：该文研究了在基于矢量量化的说话人识别方法中采用加权的失真测度对识别率的影响。在采用加权欧氏距离失真测度时，利用特征参数的离散程度来确定权值，提出了基于标准差的加权失真测度和基于方差的加权失真测度。实验结果表明，在以MFCC为特征参数的说话人识别系统中，使用这两种算法均可以提高识别率。 　　关键词： 说话人识别；矢量量化；标准差；方差 　　中图分类号：TP391文献标识码：A文章编号：1009-3044(2008)35-2228-02 　　A Kind of Speaker Recognition Techonlogy Based on Weighted Vector Quantization 　　LI Na, CUI Lian-yan, LI Lan-lan 　　(Liaoning University of Technology, School of Electronics and Informatics Engineering, Jinzhou 121000, China) 　　Abstract： This article researches the effect of weighted distortion measure to recognition rate in the way of VQ speaker recognition. It uses dispersion degree of the characteristic parameter to ensure the value of weight, and advances weighted distortion measure based on standard deviation and variance. The experiment shows that the two method can increase the correct rate of speaker recognition using “MFCC” as characteristic parameter. 　　Key words: speaker recognition; vector quantization; standard deviation; variance 　　 　　基于VQ的说话人识别模型，与其他模型（如GMM）相比具有计算简单，实时性强的特点，因而得到广泛的应用。但它的识别率较低，为了提高识别率，人们对基本的VQ方法进行了各种各样的改进，其中包括两种途径：一种是设计一个加权的距离函数，如IHM和PNDM方法；另一种是研究说话者之间的语音特点，从而设计有区分能力的权值，如GVQ方法。本文就第二种方法进行了研究，分别提出了基于方差和基于标准差的加权失真测度，并对这两种失真测度的性能进行了实验验证。 　　 　　1 基本的VQ识别模型 　　 　　基于VQ[1]的说话人识别系统，矢量量化起着双重作用。在训练阶段，从讲话者的若干训练样本中提取出特征参数，通过LBG算法[2]生成用户的VQ模板即码本，使矢量量化码本与说话人一一对应。在识别（匹配）阶段，用所有的码本对输入测试序列进行编码，并计算各自的总平均量化失真： 　　 （1） 　　其中，j表示未知说话人X中第j(j=1,2,…,T)帧的特征向量，Bmi表示第i个说话人的第m个码字矢量，共有M个码字，d((Xj,Bmi))为待测矢量Xj和码本矢量Bmi之间的距离。 　　然后进行比较，以最小失真的参考模式作为判决对象，即满足Di最小的那个码本所对应的人为系统辨认的结果。 　　 　　2 采用加权失真测度对基本VQ识别模型的改进 　　 　　在LBG算法中，失真测度常采用欧氏距离： 　　 （2） 　　矢量量化失真测度采用的欧氏距离中，特征矢量的各个分量是等权重的，数据的各维通道参数的分布情况在距离度量中没有得到反应，直接影响到基于欧氏距离测度的VQ话者模型的识别性能。为此，本文分别提出了基于方差和基于标准差的加权失真测度。 　　2.1 基于标准差和方差的加权失真测度 　　基于标准差的加权失真测度[3]实际上是一种加权的欧氏距离。每个话者均有自己的权值矩阵，其中第i个说话人的矩阵为： 　　 （3） 　　第i个说话人的权值矩阵为： 　　 （4） 　　然后得到针对此特征参数的权值： （5） 　　相应的基于标准差的加权欧氏距离失真测度公式为： 　　 （6） 　　其中，M为码字的大小，N为说话人个数，rik为第i说话人第个k道参数的平均值，Xj为待识别的第j个特征矢量，K为参数矢量的总维数。 　　基于方差的加权失真测度[4]只是在计算权