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 > IT/计算机 > 基于GMM的与文本无关的变阈值说话人确认
侵权投诉

基于GMM的与文本无关的变阈值说话人确认

基于GMM的与文本无关的变阈值说话人确认

542成 都 信 息 工 程 学 院 学 报           第19卷虑到特征的可量化性、训练样本的数量和系统性能的评价问题,目前的声纹识别系统主要依靠较低层次的声学特征进行识别。

输入的原始语音是不能直接进行识别的,需要对原始语音进行特征提取。对于采集的语音信号,需要进行端点检测,分帧,加窗,线性预测分析,倒谱分析等处理,输出LPCC、MFCC等特征矢量序列进行说话人模型训练或确认判决

基于GMM的与文本无关的变阈值说话人确认

。

212 模式匹配

在取得说话人本质特征的参数后,根据一定的

判别准则,使说话人的身份模式与数据库中的某一

特定模型获得最佳匹配。主要有以下几种方法:图2 特征提取框图概率统计方法:语音中说话人信息在短时内较

为平稳,通过对稳态特征如基音、声门增益、低阶反射系数的统计分析,

基于GMM的与文本无关的变阈值说话人确认

基于GMM的与文本无关的变阈值说话人确认

基于GMM的与文本无关的变阈值说话人确认

函数进行分类判决。,。动态时间规整方法:说话人信息不仅有稳定因素((语速、语调、重音和韵律)。。常用的方法是基于最近邻原则的动态时间规整。

矢量量化方法[5][6]:。Helms首次将其用于声纹识别,把,以量化产生的失真度作为判决标准。Bell实验室的。这种方法的识别精度较高,且判断速度快。

隐马尔可夫模型方法[1]:隐马尔可夫模型是一种基于转移概率和传输概率的随机模型,最早在CMU和IBM被用于语音识别。它把语音看成由可观察到的符号序列组成的随机过程,符号序列则是发声系统状态序列的输出。在使用HMM识别时,为每个说话人建立发声模型,通过训练得到状态转移概率矩阵和符号输出概率矩阵。识别时计算未知语音在状态转移过程中的最大概率,根据最大概率对应的模型进行判决。HMM不需要时间规整,可节约判决时的计算时间和存储量,在目前被广泛应用。缺点是训练时计算量较大。

人工神经网络方法:人工神经网络在某种程度上模拟了生物的感知特性,它是一种分布式并行处理结构的网络模型,具有自组织和自学习能力、很强的复杂分类边界区分能力以及对不完全信息的鲁棒性,其性能近似理想的分类器。其缺点是训练时间长,动态时间规整能力弱,网络规模随说话人数目增加时可能大到难以训练的程度。

还有一些在此基础之上的一些改进方法。本文中采用的方法是在HMM基础上改进了的GMM。

说话人确认框图如下,先对声明身份的说话人提取语音特征,再与被声明的说话人模型进行相似度的匹配计算,结果与阈值对比后进行判决。

图3 说话人确认框图

如果说话人是一个要注册的新用户,则要先进行训练,为该用户建立声学模型,框图如图2~4。

图4 说话人训练框图

3 与文本无关的说话人确认试验

为了更好地模拟人耳对声音频率的感知特性,实验选用12阶MEL倒谱系数MFCC,考虑系统对背景噪声的鲁棒性另选用12阶动态MEL倒谱系数△MFCC,共24维语音特征知量。

上一页第2页

你可能喜欢

热门文档

相关文档

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