說話人識別魯棒性研究.pdf

1、隨著說話人識別技術(shù)的發(fā)展，說話人識別系統(tǒng)的性能已經(jīng)達到實用的水平，例如在2010年NIST的說話人識別評測中，核心測試的等錯誤率達到1％左右。然而在實用環(huán)境中，說話人識別系統(tǒng)將會面臨各種復雜的魯棒性問題，例如復雜的信道和環(huán)境噪聲，說話人年齡、情緒等自身因素的變化，以及冒認者語音是合成語音的情況。本文主要針對說話人識別的噪聲魯棒性問題以及合成語音魯棒性問題展開研究，具體內(nèi)容如下：
　　 關(guān)于噪聲魯棒性問題，本文首先對信號域、特征域

2、和模型域的經(jīng)典噪聲魯棒性方法進行調(diào)研。其中信號域采用基于MMSE_LSA的語音增強算法；特征域采用特征高斯化和相對頻譜濾波；模型域則是采用多樣訓練。通過觀察以上方法在多種噪聲環(huán)境下的性能，本文較為全面地分析了不同噪聲魯棒性方法的特點，并驗證了相應融合策略的有效性。在完成對不同域魯棒性方法調(diào)研的基礎(chǔ)上，本文將丟失特征理論引入說話人識別系統(tǒng)，并且提出相應的改進方法：第一，將丟失特征理論中的重建模型與說話人識別系統(tǒng)中的通用背景模型進行綁定，一

3、定程度上使得重建特征與后端模型匹配；第二，利用線性譜域和對數(shù)mel濾波器輸出域的互補性，對語音的丟失特征進行更加準確的二次重建;第三，采用不確定度解碼方法，將重建特征的不確定度傳播到得分域。實驗表明，以上提出的改進方法對系統(tǒng)性能有一定的提升作用。
　　 關(guān)于合成語音魯棒性問題，本文的目標是構(gòu)建自然語音與合成語音區(qū)分系統(tǒng)，從而保證說話人識別系統(tǒng)不會將合成語音冒認者錯誤接受為目標說話人。本文首先根據(jù)自然語音與合成語音在mel倒譜統(tǒng)計