基于类间权值调整GMM模型的场景语音分类研究

论文摘要

近年来语音信号处理已成为信号处理中比较引人注目的研究领域。但是当前的研究中,无论是语音识别还是检索,针对的都是单一类别的音频文件,而在网络实际应用中,更多的情况是各种类别混合在一起的。为了完成对这一类数据的识别和检索,就需要先对它们进行分类来提取出文件中各个不同类别的部分,然后再按照单一类别的情况进行处理,而这种分类技术就被统称为场景语音分类技术。结合相关文献对场景语音分类算法的研究,本文得出目前这一领域的研究重点主要集中在：一是尽量选取能够在统计意义下有较高区分性的特征,并且选取的这一特征应兼有低计算量的特点以符合实时语音处理的要求；二是在搭建声学模型时,提出新的模型算法或者在原有算法中加以改进,提高分类的准确率和执行效率使得系统达到高稳定性。从这一思路出发,在特征的选取上,文中先对三类音频：语音、音乐及噪音文件分别完成时域及频域的多种特征的提取,然后对这些特征在帧层次及片段层次的分布进行统计,最后通过分析得出多维特征子带能量比比起其他特征来说更能从帧层次上完成对三类音频的分类,同时得出片段层次上没有相关特征能够完成分类要求。在模型的选取上,由于HMM模型和由它衍生而来的GMM模型能统计地吸收发音的声学特性和时间上的变动。因此,在现有的各种分类识别系统中,它们已经成为了最佳的识别模型；又由于GMM模型不像HMM那样通过状态转移概率约束声学特征类的时序变化,使得GMM比HMM的计算量要小的多,所以GMM比起后者更适合进行实时处理。基于上述考虑,本文选用GMM模型来用于场景语音分类。基于对传统GMM模型各个实现环节的深入研究,本文提出了一种基于类间权值调整的GMM语音分类算法。由于传统的GMM模型只考虑类内数据之间对分类建模的影响,而忽视了不同类间数据可能存在的相关性。这种相关性的存在可能会在类间数据的识别分类过程中产生一定的干扰,导致分类中出现误判。为了避免产生误判,本文在传统的GMM模型参数进行类间权值调整,通过对那些容易产生干扰的两类GMM模型参数对,可以通过对其权值进行削弱来降低它们对识别结果的影响。反之,对于那些彼此之间接近相互独立的，容易区分两类数据的参数对,可以通过对其权值进行加强来提升它们对识别结果的影响。由于本文在特征选取环节上只从帧层次上选取了子带能量比这一特征来进行GMM建模,而没有采用片段层次的特征,又由于最后的判决结果是针对于每一片段来进行的,这就导致了在实验中的两类模型得分近似一致而难以进行区分。为了弥补这一不足,本文对传统的似然判决函数进行优化,实现了对这类错误所在片段在最终判决上的平滑处理。最后对包含三类的混合文件分别在传统的GMM模型、类间权值调整GMM模型以及加入优化似然函数后的类间权值调整GMM模型下进行对比实验并采用F-measure对三类系统下的分类效果进行评价,实验结果表明相较于传统的GMM模型,本文提出的类间权值调整GMM模型用于语音分类的效果更好,同时如果进一步加上优化后的判决似然函数,识别性能可得到进一步的改善。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究的目的及意义
• 1.2 场景语音分类的发展过程和研究现状
• 1.2.1 声学特征的选取
• 1.2.2 模型的选择
• 1.3 系统框架图及章节安排
• 第2章 预处理环节及特征提取
• 2.1 预处理环节
• 2.2 特征提取
• 2.2.1 帧特征介绍及分析
• 2.2.2 clip特征介绍及分析
• 2.3 本章小结
• 第3章 基于类间权值调整的GMM模型
• 3.1 GMM模型基本原理
• 3.2 EM算法简介
• 3.3 GMM模型用于场景语音分析的具体实现
• 3.4 混合高斯模型数M的确定
• 3.5 类间相似度的引入
• 3.6 本章小结
• 第4章 优化似然函数
• 4.1 问题的提出
• 4.2 传统似然度原理介绍
• 4.3 判决环节的实现
• 4.4 优化似然比概念
• 4.5 分割算法的实现
• 4.6 本章小结
• 第5章 实验结果及分析
• 5.1 实验环境简介
• 5.2 类间调整系数的确定
• 5.3 优化似然函数的检测实验
• 5.4 不同方法之间的对比实验
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢