基于概率统计模型的说话人确认的研究-信号与信息处理专业论文.docxVIP

中文摘要摘 中文摘要 摘 要 从语音信号中有效地提取个人特征信息进行说话人身份的辨认和确认，是语音 识别研究领域的一个重要研究方向。无论从人机界面、身份验证还是信息检索等 各个应用方向而言，自动说话人识别都具有广泛的应用前景，其研究具有越来越 重要的社会意义和实用价值，因而在国际和国内都受到了极大的关注。 自动说话人识别根据说话内容可以分为与文本有关和与文本无关两类。论文对 自动说话人识别中的一个重要方面一说话人确认，采用概率统计模型的方法，从 与文本有关和与文本无关两个角度，对噪声鲁棒性、参数提取、模型训练以及闽 值设置等方面进行了深入研究。 对于与文本有关的说话人确认，论文以实用为目标，从系统结构简单、用户注 册和使用方便着手，采用基于短语音的方式，围绕如何从短语音中有效提取鲁棒 性的说话人特征、如何为说话人建立高性能的背景模型、如何在小训练样本的情 况下进行鲁棒性的阈值设置等，对说话人特征参数、建模方法以及阈值设置等进 行了较深入的研究。 论文深入分析了Mel频率倒谱参数(MFCC)的高阶系数在高斯白噪声下的 鲁棒性以及高阶系数选取的最优范围，同时结合动态参数，在相关实验中获得了 较好的性能。针对窄带加性噪声干扰，论文提出了子带MFCC特征参数，并建立 了+个基于予带隐马尔柯夫模型(HMM)和多层感知机(MLP)的说话人确认系 统，不仅解决了不同子带加权融合的问题和确认闽值设置的问题，还使得系统在 窄带加性噪声下的鲁棒性得到了较大的提高。 论文对基于短语音的说话人确认中的背景模型和阈值设置两个方面提出了改进 方法。通过采用高斯混合模型(GMM)作为背景模型，对不可预期的冒认文本有 了一定的预测，提高了系统在实用环境下的确认性能。论文还提出了一种基于最 小检测代价函数(DCF)的新的鲁棒性确认阈值的设置方法。通过将训练语音分 子集，分别用来训练模型和测试评分，然后对评分拟合并重采样，最后根据最小 DCF计算确认闽值，有效地解决了d,N练样本下的确认阈值设置问题。基于以上 技术，论文实现了一个基于WwW的与文本有关的远程语音身份认证系统。实际 使用环境下的测试表明，该系统具有较高的易用性和安全性。 对于与文本无关的说话人确认，论文采用GMM／UBM结构，对说话人确认中 中文摘要GMM的训练问题进行了深入分析和探讨，尤其对GMM的区分性训练算法进行 中文摘要 GMM的训练问题进行了深入分析和探讨，尤其对GMM的区分性训练算法进行 了深入的研究。论文还进一步探讨了语音信号中能够表征说话人个性信息的超音 段特征，如人说话时抑扬顿挫的韵律、人说话的速率以及语音文本中的习惯用语 等，对它们用于说话人识别进行了·定的研究。 论文霉点分析了基于概率统计的况话人模型的理论基础一贝叶斯判决理论， 并讨论了其在实际应用中的不足。针对这种不足，提出了一种新的利用分类性能 进行指导的区分性训练算法一FOM训练算法，使得GMM的确认性能得到了一 定的提高。同时，为了降低训练过程中的结构风险，论文中还提出一种基于线性 变换的改进FOM训练算法一LTFOM算法，初步实验结果表明这个算法是较有 前途的。 由于常规的说话人识别只采用基于声道特征的参数，没有充分利用语音所 携带的信息。论文对语音信号所携带的超音段说话人特征，如韵律、语速等， 进行了‘定的研究和探讨。将激励源信息(基音频率)及其变化轨迹(韵律) 与MFCC结合用于说话人确认，获得了很好的效果，使系统的等误识率下降了 16％。首次采用通过信号处理的方法提取出的语速进行说话人确认，与基音频率、 韵律、MFCC相结合，使只采用MFCC的系统的等误识率下降了19％。 论文讨论了作者参与或负责的三项与文本无关的说话人确认评测系统。一是在 2002年度美国国家标准及技术署(NIST)举办的multi—modal说话人识别评测中 获得第一名的微软亚洲研究院参赛系统，另外两项分别是中国科大语音信号处理 实验室参加2003年度NIST评测中的1-spk和2-spk任务的系统。 论文的研究工作得到了国家自然科学基金(NoNo的 资助。 ll AbstractIt’8 Abstract It’8 one of the important research fields of speech recognition that using in— formation extracted from the speech signal to perform speaker identification or verification．It has wide application prospects in User Interface，identity authen— tication，