基于含噪短語音的魯棒說話人識別研究.pdf

1、說話人自動識別技術(shù)在眾多需要語音輔助的應(yīng)用下，已發(fā)展成為越來越重要的現(xiàn)代生物認證技術(shù)。之前的研究表明，對于訓練和測試聲學環(huán)境一致的高質(zhì)量語音已可以獲得很好的結(jié)果。然而現(xiàn)實生活中，往往遇到語料缺失、環(huán)境噪聲等問題，此時說話人識別系統(tǒng)性能嚴重下降，為了進一步提高說話人識別的實用性，魯棒性研究是說話人識別領(lǐng)域至關(guān)重要的研究熱點。本文針對含噪短語音的魯棒說話人識別技術(shù)進行了研究和探索。為了提高含噪短語音的說話人識別率，本文涉及的補償算法有多特征

2、融合算法、噪聲分離算法、語音幀質(zhì)量判別算法、識別模型優(yōu)化和改進。
　　本文的主要工作和創(chuàng)新成果點集中在以下幾個方面:
　　(1)針對含噪短語音說話人辨認訓練和測試語料不充分的特點，將聲源信息與聲道信息相結(jié)合，彌補在語料信息嚴重缺失的情況下，只提取單一特征不能充分表達說話人語音特征的缺陷。提取的多種特征的噪聲魯棒性和識別能力不同，可以起到互補的作用，并使用差分進化算法優(yōu)化特征組合中單一特征的融合系數(shù)。實驗證明，在相同條件下使用

3、特征組合綜合系統(tǒng)(MFCC_D_LPCC+WOWOR4)+(MFCC_D_LPCC+WOWOR6)+(MFCC_D_LPCC+WOWOR8)的含噪短語音說話人識別率比使用單一特征MFCC平均提高13.34％，比使用特征組合MFCC_DLPCC平均提高10.21％。在各種信噪比環(huán)境下，使用差分進化算法優(yōu)化特征組合中單一特征的融合系數(shù)可以使系統(tǒng)的識別率平均提高1.62％。
　　(2)為了降低噪聲對說話人識別效果的影響，對噪聲進行分離是

4、重要的。提出了基于受限非負矩陣分解(Constrained Non-negative Matrix Factorization，CNMF)的噪聲分離算法用于分離環(huán)境噪聲，該算法首先使用FastICA噪聲分離算法對含噪短語音進行分離，將其結(jié)果作為NMF(Non-negative Matrix Factorization)的初始值，并在NMF中加入鑒別性限制，以便有效分離噪聲。實驗證明，相同條件下CNMF分離算法的識別率比隨機初始化NMF分

5、離算法的識別率平均提高3.75％。
　　(3)使用CNMF算法對含噪短語音進行噪聲分離之后，語音幀仍然不同程度地含有殘留噪聲，需要對其進一步處理:使用語音幀質(zhì)量判別算法將語音幀分為高質(zhì)量類和低質(zhì)量類，高質(zhì)量類語音幀直接用于說話人識別，低質(zhì)量類語音幀進行處理后用于說話人識別，既可以顯著降低噪聲的影響，又可以充分地利用含噪短語音的有限語料用于說話人識別，有助于提高含噪短語音的說話人識別率。本文分別提出了三種語音幀質(zhì)量判別算法，分別是改

6、進的信噪比判別算法(Improved SNR Discrimination Algorithm，ISNRDA)、差異檢測與判別算法(Differences Detection and Discrimination Dlgorithm，DDADA)、基于NMF的信噪比判別算法（NMF-SNR Discrimination Algorithm，NMF-SNRDA)。實驗證明，相同條件下使用ISNRDA判別算法相比分離噪聲后不進行語音幀質(zhì)量判

7、別與分類可以平均提高含噪短語音的說話人識別率3.26％，使用DDADA判別算法的識別率相比使用ISNRDA判別算法的識別率平均提高1.71％，使用NMF-SNRDA判別算法的識別率相比使用DDADA判別算法的識別率平均提高1.74％。
　　(4)為了更加精確地對語音幀進行分類，本文提出了雙重信息質(zhì)量判別算法。若兩種語音幀質(zhì)量判別算法同時判定一個語音幀為高質(zhì)量，則將該語音幀分類為高質(zhì)量類;若一種語音幀質(zhì)量判別算法判定一個語音幀為高質(zhì)

8、量，另一種語音幀質(zhì)量判別算法判定該語音幀為低質(zhì)量，則將該語音幀分類為中等質(zhì)量類;若兩種語音幀質(zhì)量判別算法同時判定一個語音幀為低質(zhì)量，則將該語音幀分類為低質(zhì)量類。實驗證明，在各種信噪比環(huán)境下，本文提出的雙重信息質(zhì)量判別算法與單一判別算法相比，含噪短語音的說話人識別率平均提高2.32％。
　　(5)分類得到的三類語音幀分別與本文構(gòu)建的GMM-UBM三階段分類模型相結(jié)合，使短語音的有限語料得到更加充分地利用，有效的降低了噪聲和語料缺失對