基于稀疏表示的短语音说话人识别-信号与信息处理专业论文.docxVIP

万方数据 万方数据 SPEAKER RECOGNITION BASED ON SPARSE REPRESENTATION WITH SHORT UTTERANCE Master Thesis Submitted to University of Electronic Science and Technology of China Major: Signal and Information Processing Author: Wang Taolin Advisor: Cheng Jian School : School of Electronic Engineering I 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为 获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 作者签名： 日期： 年 月 日 论文使用授权 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘， 允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全 部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 （保密的学位论文在解密后应遵守此规定） 作者签名： 导师签名： 日期： 年 月 日 摘 要 摘 要 说话人识别技术是指利用说话人的语音特征来辨别他们的身份，属于生物认 证技术的范畴，广泛应用于司法鉴定、互联网安全，军事国防等领域。说话人识 别技术在实用化过程中还存在诸多问题，其中短语音条件下的训练识别问题受到 人们广泛关注。 当语音数据充足时，现有说话人识别方法已经取得良好的识别效果，但是当 语音数据有限，特别是训练和识别语音长度都在 10s 左右，系统识别性能明显下降。 这是因为主流的说话人识别方法大多基于概率统计模型，而这种模型训练需要大 量的语音数据。本文主要针对说话人识别的短语音问题，从识别模型出发展开研 究，本文的主要工作包括： 1. 通过分析稀疏表示的分类原理以及处理有限数据的能力，将稀疏表示理论 引入短语音说话人识别。首先，寻求待测语音在训练语音构成的稀疏字典上的最 稀疏的线性表示，然后利用表示系数重构原始信号，根据重构的残差进行分类。 接着介绍主流的 l1 范数最小化算法，通过实验估计其识别性能。 2. 针对稀疏编码模型对编码残余的高斯分布假设，分析在实际环境中，这种 假设不能有效地描述重构残差。本文引入稳健回归思想，放宽对重构残差的分布 约束，通过假设重构残差和表示系数独立同分布，将稀疏编码问题转化为稀疏约 束下的稳健回归问题，我们称其为稳健稀疏表示模型。实验表明该方法能够更加 有效地估计重构残差，提高了系统的鲁棒性和识别性能，最佳识别率可达 99.31%。 3. 深入研究稀疏表示分类器的工作机制，经过分析得出在识别任务中做出贡 献的除了稀疏性约束，还有利用所有训练样本联合表示测试样本的联合表示特性。 稀疏性约束在识别任务中的功能主要表现在使得与测试样本相同类别的子字典能 够用更少的样本准确表示测试样本，这要求训练语音数据充足，而短语音识别任 务不能满足这个条件；另一方面，稀疏表示中的 l1 范数的稀疏约束计算成本较高， 严重影响系统的实时性。针对稀疏约束的不足，引入正则化最小二乘思想，提出 基于联合表示的说话人识别方法。这种方法不仅有效地提高系统的识别率，识别 速度也有极大的提高，识别单个样本在 0.045s 左右。 关键词：说话人识别，短语音，稀疏表示，稳健稀疏表示，联合表示 I ABSTRACT ABSTRACT Speaker recognition, the goal of which is recognizing people from their utterance, belongs to the category of biometric technology. It is widely used in the field of forensic, Internet security, military defense and so on. There are many problems in the practical advancement of speaker recognition technology, and the training and testing under short utterance condition attract much att