基于说话人识别信道补偿的研究

论文摘要

说话人识别技术因有其独特的方便性、经济性和准确性等优点,在生物识别领域有其广阔的应用前景。尽管在实验室环境条件下,说话人识别系统已经取得了较大的成功,但是实际应用中性能大幅下降,为提高系统的实用性,需重点要解决信道顽健性的问题。本文从信道补偿出发,研究如何提高说话人识别系统的信道顽健性。在信道补偿方面,考虑到留数受信道影响,将留数归一化方法和倒谱均值减方法相结合,综合考虑了语音信号受电话信道的线性和非线性影响,得到一种新的基于信道补偿的联合特征补偿方法。在此基础上应用GMM模型和说话人自适应模型算法,根据得分进行判决,首先对聚类差别大的采用对数似然分数判决,确定其归属类别。其次对类归属相似的特征进行零规正（Z-norm）判决,判决阈值采用实验得到阈值,进一步提高识别效果。此外,本文实现了电话语音识别系统软件的开发。该系统经过实验验证,性能良好,采用联合补偿方法后,在信道相同时,识别率达到98%以上;在信道交叉时,识别率也超过了67%,比基线系统提高17%左右。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题背景
• 1.2 国内外研究现状
• 1.3 说话人识别技术存在的难点
• 1.4 本文研究的内容
• 第2章 基线系统和语料库建立
• 2.1 引言
• 2.2 说话人识别基线系统
• 2.2.1 预处理
• 2.2.2 特征提取
• 2.2.3 说话人模板建立
• 2.2.4 识别过程
• 2.3 语料库建立
• 2.4 实验分析
• 2.5 本章小结
• 第3章 基于电话信道的联合补偿方法
• 3.1 电话信道影响
• 3.1.1 电话信道的线性影响
• 3.1.2 电话信道的非线性影响
• 3.2 线性影响处理
• 3.3 非线性影响处理
• 3.3.1 自适应成分加权（ACW）算法
• 3.3.2 提升自适应成分加权（LACW）算法
• 3.4 实验分析
• 3.5 本章小结
• 第4章 拒识策略
• 4.1 拒识模型的建立
• 4.1.1 全局背景模型
• 4.1.2 说话人模型自适应算法
• 4.2 得分补偿算法
• 4.2.1 对数似然比计算
• 4.2.2 零规正（Z-norm）算法
• 4.3 实验分析
• 4.4 系统平台简介
• 4.5 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢