复杂信道下的说话人识别技术

论文摘要

计算机科学经过几十年的发展,对人们的生产、生活、工作、娱乐等方面产生了重大影响。随着个人电脑,智能设备,移动操作系统的广泛应用及普及,人们对于计算机的交互体验和操作习惯等方面提出更高的要求。语音交互被认为是一种理想的人机交互方式,并逐渐应用于电信、教育、安全等行业。说话人识别是语音处理技术的一个重要分枝,其基本原理是通过对说话人的语音信息进行分析与建模来“了解”用户的声音特征,从而能够辨认出用户的身份。由于高斯混合模型(GMM)能够很好的对说话人声线特征进行拟合,加之训练与识别的算法复杂度很小,已经成为说话人识别问题的一种主流的解决方案,在过去十几年中得到广泛的研究与应用。Reynolds等人在GMM的基础上发展出高斯混合通用背景模型(GMM_UBM),利用通用背景良好的性质,很好地了解决训练语音数据较少时模型训练不充分的难题。本文的主要研究方向为复杂信道下的鲁棒性说话人识别问题,旨在提高非理想环境下的说话人识别系统的识别性能,以增强系统对于各种环境的适应性。论文从识别系统的三个主要方面——语音特征提取、说话人模型训练和身份相似度计算分别进行研究和方案优劣性讨论,采用了“规避”或“补偿”的思想,以抵消或者削减不同信道和采集设备对说话人语音产生的干扰,增强了说话人识别系统对于不同环境的适应能力。机器人有着广阔的应用前景,面向家庭服务的机器人更是未来千家万户的强烈需求。在本文的最后讨论了一款面向家庭服务的机器人——“睿宝”机器人系统中的说话人识别模块,该模块内嵌于机器语音交互子系统中,在机器人与用户进行语音交互的过程中,对交互对象进行身份辨识和命令合法性确认的工作,很大程度上提高了机器人的安全性和智能性。

论文目录

• 摘要
• Abstract
• 第一章 引言
• 1.1 说话人识别技术
• 1.2 应用领域
• 1.3 技术分类
• 1.4 研究现状
• 1.5 论文工作与组织安排
• 第二章 说话人识别基础知识
• 2.1 语言的基本过程
• 2.2 基本处理过程
• 2.3 核心关键问题
• 2.4 评分标准
• 2.5 小结
• 第三章 MFCC特征
• 3.1 梅尔尺度
• 3.2 MFCC及特征提取
• 3.3 小结
• 第四章 基于混合高斯模型的说话人识别
• 4.1 高斯混合模型
• 4.2 基于GMM的说话人模型
• 4.3 基于GMM的说话人识别过程
• UBM的通用背景模型'>4.4 基于GMM_UBM的通用背景模型
• UBM的说话人模型训练'>4.5 基于GMM_UBM的说话人模型训练
• UBM模型的识别过程'>4.6 基于GMM_UBM模型的识别过程
• 4.7 小结
• 第五章 复杂信道下说话人识别
• 5.1 信道的影响
• 5.2 信道鲁棒算法
• 5.3 模型域的信道鲁棒算法
• 5.4 分数域的信道鲁棒算法
• 5.5 小结
• 第六章 面向家用机器人的说话人识别系统
• 6.1 家用机器人中的说话人识别
• 6.2 系统框架及改进方案
• 6.3 实验结果
• 6.4 小结
• 第七章 总结与展望
• 攻读硕士学位期间的科研成果
• 参考文献
• 致谢