文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 自然科学 > 基于GMM的说话人识别系统研究
侵权投诉

基于GMM的说话人识别系统研究

+"+

离小于规定的门限"则予以确认"否则就拒绝#

北京电子科技学院学报

!""#年

参量所对应的模型作为识别结果!在说话人确认中"则是将说话人特征与他所声称为某人的模型进行比较"如果二者的距

!"!说话人识别的方法

现在通常使用的模式匹配分类主要有$%!&模板匹配法!%"&最近邻方法!%#&神经网络法!%$&隐马尔可夫模型方法!%%&&’聚类方法等等#但是实际证明使用())%单状态*))&模型效果更好一些"使用())作为说话人身份模型是因为$高斯成员代表了一般的基于说话人的声道频谱形状+",#())的应用包括$模型的初始化’方差限制以及模型数选择#

#基于$%%的带噪说话人识别系统#"&$%%模型

*))%*-../0)12345)4./67&是单混合高斯模型"通常用于语音识别中#())目前最常用于(与文本无关的说话人识

别)"具有良好的识别性能+!,#定义如下$一个混合高斯模型的概率密度函数是由)个高斯概率密度函数加权求和而得到的"如下表示$

&

!"#!!$%!)’*’+#,

’%(

8!9

这里":8;<!9是某个())模型%说话人&的观测值;的概率密度函数#;是.维的随机矢量"-=!>">*)是高斯分布混合权重>其满足条件$

’%(

!)=!!?8;9>-=!>">*>)是第-个高斯分布概率密度函数"如下式$

’

-

&

*’"#,%

("-",!!!

2(

/#0@1(+#1#’,"+#1$’$A

8"9

高斯混合模型是由均值矢量"-"协方差矩阵"-和混合权重B-来确定的"这些参数归集起来可以表示为$!=@B->"->"-A>

-=!>">*>)#模型的混合数)可以由试验确定"文献+#,的研究给出了在不同的训练数据和测试数据情况下合适的)值#

#"!背景噪声的加入

一般的语音识别研究都是在实验室的安静环境下对纯净语音进行的"然而在真实的世界里"存在着各种噪声因素"训练所用的纯净语音模型是不能够和现实中的语音进行匹配的"从而造成了识别系统性能的降低#所以"建立一个现实的声学环境对于说话人识别的实际应用研究是非常必要的#但是一般情况下"采集带噪语音并不是一件简单的事"所以"我们人工的加入噪声#在训练纯净语音模型时"在纯净语音基础上混入不同种类的噪声"这样就可以近似得到噪声环境下的语音波形#

加性噪声是背景噪声中最常见的一种"加性噪声又可分为静态加性噪声和非静态加性噪声#静态噪声比如计算机风扇或者空调的响声"这些波形的能量谱密度并不随着时间变化#非静态噪声比如关门声’录音机’电视或者其他说话人的声音"这些波形有随时间变化的统计特征#

#"#静音检测

实践表明"人们在打电话时约有%CD为聆听对方讲话的静默时间"!CD为讲话时短暂停顿的静默时间#静音检测技术可以有效剔除静默信号#因此"在一段语音中"并不是所有的语音都是有效的"对于语气之间的停顿"由于其能量很小"在特征提取等方面起到的作用几乎没有"有时甚至可能造成识别率的降低"所以"我们要在特征提取前进行静音检测"除去静音"提高模型建立的准确性#静音检测又称语音活动性检测&EF#静音处理的效果主要也取决于端点检测技术的提高#现在常用的方法是根据能量和过零率"用户在不说话时输出信号的幅度下降"因此"发送端就可以为一定的输出信号幅度设置一个阈值#大于这个阈值"就认为用户在说话"系统对语音段进行处理"否则就不进行处理#静音检测有两个技术问题"一是如何在噪声较大的环境中检测静音"二是(剪音)问题#(剪音)是指语音还原时有一部分被剪切掉了"造成了语音失真#在说话人识别当中"静音切的多一些"不会对识别造成很大的影响"这一点和语音识别是不同的#

#"’采用新方法的特征提取

常用于说话人识别的语音特征参数主要有G:B和)/6参数"两者都属于倒谱系数#根据汉’英’日三语种的测试表明"在汉语和英语方面")HGI倒谱的表现比G:B倒谱要好"但对于日语")HGI倒谱比G:B略差+","而且")/6倒谱更精确地描述了人耳对声音频率的感知特性#这里"我们使用)JBB参数#本试验系统是测试带噪环境下的说话人识别效果"因此"为了保证一定的识别率"要对特征的提取进行改进"使提取的特征具有噪声鲁棒性"从而提高识别率#我们采用非线性包络检测方法+K,"更新)JBB参数的求解"具体思想是$对语音频谱的分析进行改进"引入数字滤波器的设计"在对带噪语音进行频谱转换时"用取最大值取代通常的线性卷积频谱包络"称为LGHF8L406-0/12/05/64M./N/ON-409"并结合噪声域值JG8PQ2/1.

R6442-0S9来削弱波谷的副作用"获得抗噪声的特征#本方法用T1N61?已经实现波形文件的特征提取#改进图如下$

上一页第2页

热门文档

相关文档

  • 基于GMM的说话人识别技术研究

    2系统结构描述以ICSI说话人识别基准系统为基础,利用Matlab设计了 ‘ 一个基于GMM的说话人识别系统。整个系统由模型训练和 语音识别两部分组成,包含音频信号预处理,...

  • 基于GMM的说话人识别算法的研究

    最后论文介绍在Matlab环境下,用图形用户界面设计的一个简 单实用的基于GMM的与文本无关的说话人识别系统。并给出了部分 源程序代码。 关键词GMM模型,说话人辨认,...

  • 【论文】GMM文本无关的说话人识别系统研究

    GMM文本无关的说话人识别系统研究_专业资料。在高斯混合模型(Gaussian Mixture Model,GMM)训练时,对传统的模型参数初始化方法(随机法、K均值聚类法)进行改进,提出...

  • 【论文】基于排列熵和GMM的说话人识别系统

    基于排列熵和GMM的说话人识别系统_专业资料。文章设计的说话人识别系统,采用基于排列熵的端点检测算法,对采集的语音信号提取能够反映人对语音的感知特性的Mel频率...

  • 基于GMM的说话人识别系统研究与实现

    特征提取方法和基于模板匹配及概率统计的模式匹配方法,研究 实现了基于矢量量化VQ的说话人识别系统,重点研究设计了与文本无关的基于 混合高斯模型GMM的说话人识别系统...

  • 基于GMM的说话人识别系统

    基于GMM的说话人识别系统_IT/计算机_专业资料。基于GMM的说话人识别系统维普资讯 http://www.cqvip.com No4. Au.,06g20 微 处 理 机 第 4期200 6年 8...

  • GMM文本无关的说话人识别系统研究

    Computer Engineering and Applications 计算机工程与应用 2010 ,46 (11 ) 179 GMM 文本无关的说话人识别系统研究蒋 晔, 唐振民 JIANG Ye, TANG Zhen-min 南京...

  • 基于GMM的实时说话人识别系统

    (070-030 10-6420)605-3 基于 GMM 的实 时说 话人识别 系统 胡益平 ,蔡...论文? 【要 】介绍 了一个基于 GM实 时说话人识别 系统 的设计 与实现 ,...

  • 【论文】基于GMM-UBM的说话人确认系统的研究

    基于GMM-UBM的说话人确认系统的研究_专业资料。在基于GMM的说话人确认系统中,模型的训练是为每个说话人的语音建立模型,然后通过一定的算法找到一组参数λ,使似然...

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email