不匹配信道下耳语音说话人识别研究

论文摘要

耳语音作为人类的一种辅助发音方式,在日常生活中起着较为广泛的作用,尤其是在金融领域,公安司法领域中各种身份的确认。说话者为了保证信息的私密性,常常会用到耳语音。正因如此,耳语音说话人识别也作为一个新的课题被提出来。耳语音主要是用在手机通话中,语音必然会受到信道畸变的影响。传统的识别模型遇到训练和测试的信道环境差异变大时,识别率就会大大受到影响。因此,必然需要一种稳健的信道补偿算法来增强这个说话人识别系统。为了解决这个问题,本文做了以下几个方面的工作:一、将各种信道的耳语音数据混合在一起训练通用背景模型（UBM）,然后在此基础上进行最大后验概率（MAP）自适应获得说话人模型,将此模型和常规的GMM模型进行识别率的比较。实验证明,UBM模型优于普通的GMM。二、将联合因子分析（JFA）应用到耳语识别中,根据耳语数据库的特性,采取分开估计和省略残差空间的方法。具体在识别过程中,通过将训练所得的说话人因子和测试所得的信道因子相结合的方式,达到说话人不断适应测试信道环境的目的。实验结果显示修改后JFA的识别效果大大提升。另外,根据JFA在短时识别方面效果不理想,提出了一种在模型上保持说话人因子不变,而将信道因子用到特征方面,对每一帧特征矢量进行补偿的混合补偿法,该方法相对于JFA来说补偿的更为细致,实验显示HH信道训练时1s和2s平均识别率分别提高4.36%和3.89%,EP信道训练时1s和2s平均识别率分别提高4.14%和2.64%。三、根据支持向量机（SVM）的区分性,将说话人超向量输入到SVM中,结果系统性能不如UBM-MAP系统。这时将说话人因子矢量输入到SVM中,由于说话人因子在辨认系统中特征维数低,易线性可分,获得了良好的识别效果。然后经过三种信道补偿方法进一步去冗余,取得了和JFA相当的识别结果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 耳语音研究背景
• 1.2 耳语音说话人识别研究现状
• 1.3 耳语音数据库介绍
• 1.4 本文的主要工作
• 1.5 论文结构
• 第二章 耳语音发音特点
• 2.1 耳语音的声理特性
• 2.2 耳语音不同信道的时频特点
• 2.2.1 时域特点
• 2.2.2 频域特点
• 第三章 基于GMM 的耳语说话人识别系统
• 3.1 常用的模型训练方法
• 3.2 特征参数
• 3.2.1 特征预处理
• 3.2.2 MFCC 提取
• 3.2.3 一阶差分参数
• 3.3 模型训练与识别
• 3.3.1 K 均值聚类算法
• 3.3.2 EM 算法
• 3.3.3 系统的构建
• 3.4 基于UBM-MAP的说话人识别系统
• 3.4.1 通用背景模型（UBM）概述
• 3.4.2 系统的训练与测试
• 3.5 两种系统的结果及分析
• 第四章 复杂信道环境中耳语说话人识别
• 4.1 常用的信道补偿技术
• 4.1.1 特征域
• 4.1.2 模型域
• 4.1.3 得分域
• 4.2 联合因子分析（JOINT FACTOR ANALYSIS）
• 4.2.1 因子分析与主成分分析的区别
• 4.2.2 GMM 均值超向量提取
• 4.2.3 联合因子分析概述
• 4.3 基于JFA的说话人辨认模型
• 4.3.1 UBM 和Baum-Welch 统计量计算
• 4.3.2 说话人空间和信道空间估计
• 4.3.3 残差空间估计
• 4.3.4 JFA 的训练与测试
• 4.4 实验结果及分析
• 4.5 改进JFA在短时方面的测试
• 4.5.1 常用的方法
• 4.5.2 提出的混合补偿法
• 4.5.3 提出方法的实验结果及分析
• 第五章 基于支持向量机的耳语说话人识别
• 5.1 支持向量机概述
• 5.1.1 最优分界面
• 5.1.2 基本原理及算法
• 5.1.3 常用核函数
• 5.2 基于超向量和SVM 的耳语说话人识别
• 5.2.1 超向量线性核函数
• 5.2.2 SVM 的实现平台
• 5.2.3 基于超向量的系统识别结果
• 5.3 因子分析下的耳语说话人识别
• 5.3.1 类内协方差规整（WCCN）
• 5.3.2 线性判别分析（LDA）
• 5.3.3 冗余属性投影（NAP）
• 5.4 基于说话人因子的系统识别结果
• 第六章 总结与展望
• 6.1 论文总结
• 6.2 今后展望
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢