融合AP和GMM的說話人識別方法研究.pdf

1、說話人識別又被稱作聲紋識別，是生物識別研究的一個重要方向。近年來，隨著生物技術(shù)和信息技術(shù)的高速發(fā)展，語音識別技術(shù)也日漸成熟并逐步得到普及，使得用語音與計算機之間的交流也成為了一種現(xiàn)實。在此過程中，用于研究說話人識別的理論和算法也在不斷提出和改進。其中，高斯混合模型(GMM)由于其識別性能良好、方法簡單和復(fù)雜度小，在目前說話人識別領(lǐng)域中應(yīng)用最為廣泛。經(jīng)典的GMM在對每個說話人建立模型時，其混合階數(shù)K與具體應(yīng)用有關(guān)，通常由人根據(jù)實驗結(jié)果給定

2、，因此具有一定的隨意性。針對在說話人識別過程中，經(jīng)典的GMM混合階數(shù)的確定具有一定隨意性的問題，本文提出采用吸引子傳播聚類方法(AP聚類)自動獲取GMM的階數(shù)，進而實現(xiàn)說話人識別的方法。這個方法避免了人為實驗摸索去獲得GMM的混合階數(shù)，顯著提高了說話人識別的精度和效率。
　　本文首先介紹了說話人識別的相關(guān)背景知識，以及其研究的意義;分析了說話人識別的研究現(xiàn)狀、發(fā)展趨勢以及存在問題。其次詳細闡述了語音信號的預(yù)處理和特征提取的過程。其

3、中，語音信號的預(yù)處理過程主要包括語音采樣、數(shù)字化、預(yù)加重、分幀加窗和端點檢測。然后介紹了語音信號特征參數(shù)的分類，并分析了線性預(yù)測系數(shù)(LPC)、線性預(yù)測倒譜參數(shù)(LPCC)、梅爾頻率倒譜系數(shù)(MFCC)三種常用的特征參數(shù)的優(yōu)缺點。第三，對說話人識別模型的建立進行了深入研究，詳細闡述了矢量量化模型(VQ)、隱馬爾可夫模型(HMM)和高斯混合模型(GMM)等常用建模方法的基本原理。第四，給出了說話人識別系統(tǒng)的設(shè)計流程圖。然后，詳細介紹了AP

4、(AffinityPropagation，吸引子傳播)聚類算法基本原理，并給出了利用AP聚類算法自動獲取GMM混合階數(shù)的具體實現(xiàn)過程。首先，采用Mel頻率倒譜系數(shù)法(MFCC)與差分倒譜相結(jié)合的方法，提取語音特征參數(shù);其次，采用吸引子傳播聚類方法（AP聚類）對語音特征參數(shù)進行聚類處理，從而自動獲得GMM的階數(shù);在此基礎(chǔ)上進行GMM模型的訓(xùn)練。第五，對模型進行了實驗并對實驗結(jié)果進行了分析。本文采用訓(xùn)練好的GMM模型對Timit標(biāo)準(zhǔn)語音庫以

5、及自制網(wǎng)絡(luò)志愿者語音庫進行說話人識別測試實驗，通過實驗來驗證AP聚類的有效性和得到的GMM混合階數(shù)K的合理性。實驗結(jié)果顯示，經(jīng)典的GMM階數(shù)K為32和由AP聚類算法獲得階數(shù)K，兩種方法的識別時間分別為0.06s和0.09s，識別準(zhǔn)確率分別為90.4％和97.6％。實驗結(jié)果表明，比起通過實驗探索再憑經(jīng)驗值選取混合階數(shù)K的方法，采用AP聚類算法自動獲取GMM混合階數(shù)K，可以在識別時間大致相同情況下得到更優(yōu)的識別效果。也就是說，引入AP聚類自