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

。
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,



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。
GMM文本无关的说话人识别系统研究_专业资料。在...研究了GMM的阶数、协方差阈值、预加重系数对系统... 基于GMM-UBM的说话人确认... 57人阅读 4页 ...
研究了 GMM 的阶数、 协方差阈值、 预加重系数对系统识别率的影响。 对实验... GMM 是当今应 2 基于 GMM 的说话人识别原理基于 GMM 的文本无关的说话人...
论文针对GMM的说话人确认系统,在背景模型和阈值设置两个 方面进行深入的讨论,并...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...
针对电话语音条件下的文本无关话者确认,提出了一种基于GMM(Gaussian mixture model)全统计参数和SVM(support vector machine)的话者确认方法,以克服语音特征参数...
考虑性别差异的与文本无关说话人识别系统的实现_专业资料。在基于GMM的与文本无关说话人识别系统中考虑性别差异,提出了把不同性别的说话人特征参数归成不同的两...
对于 GMM, 很高,但随着话者人数的增加识别率会明显下降, 第2期 霍春宝等: 基于 GMM-UBM 的说话人确认系统的研究 101 尤其是当测试语音与训练语音文本内容不...
GMM文本无关的说话人识别... 5页 2下载券 基于GMM_UBM的稳健说话人... ...P方法进行训练的假设说话 后, 给定 1 个确认 的阈值 田 定义 1, 个对数...
基于超音段韵律特征和GMM-UBM的文本无关的说话人识别_专业资料。提出一种采用超音段韵律特征和GMM-UBM模型结构的文本无关的说话人识别方法,用多尺度小波分析方法...
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...(5)分析了开集说话人识别方法、说话人确认阈值选取方法,研究了一种先 辨认后...
我们讨论的内容是与文本无关的说话 人辨 识、 。 文中实现 了一个用于说话人...我们 实现了一个基于GMM的说话人识别系 统, 并在实际 中取得了比较好的结果 ...
热门文档