加性噪声影响下文本无意识说话人识别的谱减与缺失特征重建.docxVIP

加性噪声影响下文本无意识说话人识别的谱减与缺失特征重建 带噪语音特征重建 现在，语言识别系统可以达到与训练环境和测试环境相对应的良好识别率。然而，在实践中，环境噪声的影响导致训练和测试环境失去配置，识别能力下降。因此说话人识别系统需要一些环境适应的方法来提高性能, 如语音增强算法 (谱减, 维纳滤波等)、模型补偿 (PMC)和特征补偿等。 近年来研究表明缺失特征法能有效提高语音识别系统的噪声鲁棒性。该方法认为噪声对语音各频段的影响不同, 因此带噪语音各频段的信噪比也各不相同。将信噪比高的部分的特征称为可靠特征;而信噪比低的部分称为缺失特征。在用干净语音训练模型的前提下, 缺失特征对识别起负作用。因此如何处理缺失特征是关键问题。目前主要有两种方法: (1) 丢弃缺失特征, 只用可靠特征的输出评分进行判决; (2) 重建缺失特征, 得到完整的特征向量后进行识别。 缺失特征重建方法的基本思路是语音信号各频带之间存在着相关性, 利用这种相关性由可靠特征估计缺失特征。基于聚类的缺失特征重建方法, 利用全协方差矩阵的高斯模型描述聚类中的各个特征子带的相关性, 得到缺失特征的MAP估计, 并且保留可靠特征。该方法是在参数级上增强特征, 并不需要改变识别模型, 可以转换为对识别性能更好的倒谱参数, 因此在语音识别领域有很好的应用。 本文研究证明, 基于聚类的缺失特征重建方法同样能有效提高说话人识别系统的噪声鲁棒性, 但该方法在完整的重建语音特征的同时, 也带来了重建误差, 阻碍了话者识别系统性能的进一步提高。在此基础上, 本文进一步提出了谱减法和缺失特征重建相结合的方法, 采用谱减法增强可靠特征, 并用增强后的可靠特征判断聚类, 重建缺失特征。另外本文提出缺失帧丢弃法, 应用于谱减和缺失特征重建结合的系统中, 通过实验验证了本文方法的先进性。 1 子带可靠性分析 本文缺失特征重建处理的对象是Mel子带特征向量, 即在Mel频率域均匀分布的20个三角滤波器组输出, Mel子带特征向量每一维分量都代表了语音信号在对应Mel子带内的能量。因此缺失特征检测和缺失特征重建都在Mel子带特征向量空间中进行。由于带噪语音在不同帧的不同子带上的能量分布各不相同, 因此需要逐帧判断各个子带的可靠性, 判断依据为信噪比准则。当局部信噪比小于一定阈值时, 该子带标记为缺失特征;反之为可靠特征。缺失特征重建法保留可靠特征, 并重建缺失特征, 其中局部信噪比已知时重建为理想重建。 1.1 理想缺失特征检测与噪声重建 缺失特征检测的目的是判断可靠特征与缺失特征。定义二维矩阵Mask来描述缺失特征检测的结果, 如式 (1) 所示。 Μask(m,l)={1SΝR(m,l)δ0其他(1) 式中:SNR (m,l) 为第m帧第l个Mel子带的信噪比;δ为判断该子带是否可靠的阈值。当SNR大于阈值时, Mask为1, 表示该子带为可靠特征, 反之为缺失特征。因此缺失特征检测需要求各个子带的信噪比, 并选取合适的阈值。δ取值为-5～5 dB, 本文由实验得到具体的阈值。 如果已知干净语音能量和噪声能量, 就可以精确地得到各个子带的信噪比, 从而判断可靠特征和缺失特征, 称为理想缺失特征检测, 经理想缺失特征检测后重建称为理想重建。本文实验中保留了干净语音和噪声, 因此可以实现理想重建。理想重建结果用来判断阈值和评价缺失特征重建方法的性能。 实际应用中只有带噪语音, 为了求各个子带的信噪比, 首先估计噪声谱。利用非语音帧信号的功率谱估计噪声谱～Ν(m,l), 并通过Mel滤波器组, 得到噪声的Mel子带能量。 估计每个子带的信噪比为 S～ΝR(m,l)=10*log10(Y(m,l)-～Ν(m,l)～Ν(m,l))(2) 式中Y(m,l) 和～Ν(m,l)分别为带噪语音和噪声第m帧第l个子带的能量。 1.2 基于聚类的缺失特征重建 缺失特征检测将语音信号特征向量分成可靠特征和缺失特征, 由于语音信号每帧的各个子带之间存在着相关性, 因此可以利用特征子带之间的相关性, 由可靠特征估计出缺失特征。本文采用基于聚类的缺失特征重建方法的基本思想是:所有特征向量可以分为若干个聚类, 每个特征向量都属于其中的某一类, 每一类都使用高斯模型来描述其向量分布, 则高斯模型的参数便蕴涵了该类向量各子带间的相关性的信息。依据高斯模型的统计信息和可靠特征子带, 就可以得到缺失特征的最大后验概率估计。 为了描述各个聚类的分布, 利用干净语音的Mel子带特征向量训练聚类。首先使用K-means聚类算法将训练集向量分为N个类, 将每个聚类近似对应一个单高斯模型, 则第i个聚类的向量分布为 Ρ(y|i)=exp{-12(y-μi)Τθ-1i(y-μi)}√(2π)d|θi|121≤i≤Ν(3) 式中:y为第i