基于模型聚類的說(shuō)話人識(shí)別方法研究.pdf

1、說(shuō)話人識(shí)別是一種身份認(rèn)證技術(shù)，可以通過(guò)計(jì)算機(jī)來(lái)自動(dòng)實(shí)現(xiàn)。說(shuō)話人識(shí)別由于其不僅方便、經(jīng)濟(jì)且準(zhǔn)確性高，逐漸成為人們常用的身份驗(yàn)證方式，市場(chǎng)應(yīng)用前景非常廣闊。
　　 識(shí)別正確率和魯棒性一直都是說(shuō)話人識(shí)別系統(tǒng)的研究重點(diǎn)，混合高斯模型(Gaussian Mixture Model，GMM)由于能很好地描述說(shuō)話人特征分布情況，被廣泛地應(yīng)用于與文本無(wú)關(guān)的說(shuō)話人識(shí)別中。隨著識(shí)別系統(tǒng)語(yǔ)音庫(kù)中的說(shuō)話人數(shù)目的增多，傳統(tǒng)GMM模型的識(shí)別時(shí)間越來(lái)越長(zhǎng)，識(shí)

2、別速度慢將大大限制說(shuō)話人識(shí)別系統(tǒng)的實(shí)用性。本文提出基于模型聚類的說(shuō)話人識(shí)別，在盡量不降低識(shí)別性能的情況下，大大提高識(shí)別速度。
　　 在識(shí)別時(shí)，發(fā)現(xiàn)每次得分較高的說(shuō)話人模型只有少數(shù)幾個(gè)，因此只需將測(cè)試特征矢量與這少部分說(shuō)話人模型進(jìn)行匹配，就可確定說(shuō)話人身份。說(shuō)話人模型聚類就是利用說(shuō)話人模型相似的特性，將相近的說(shuō)話人模型聚類，聚類后為每一類選取類中心和類代表。測(cè)試時(shí)，首先計(jì)算測(cè)試特征矢量與類中心之間的歐氏距離或者與類代表之間的對(duì)數(shù)似

3、然度，選定距離最小或者得分最高的一類，再計(jì)算測(cè)試特征矢量與選定類中說(shuō)話人模型之間的對(duì)數(shù)似然度，最終確定目標(biāo)說(shuō)話人。由于可能出現(xiàn)聚類不完全的情況，在測(cè)試時(shí)選擇得分較高的幾類構(gòu)成類的子集合，可以保證識(shí)別正確率。實(shí)驗(yàn)結(jié)果表明:相較于傳統(tǒng)的GMM模型，基于模型聚類的說(shuō)話人識(shí)別在聚類數(shù)目為100，測(cè)試搜索范圍為20％時(shí)，識(shí)別正確率只降低了0.95％，但是平均識(shí)別速度卻提高了近4倍。
　　 為了進(jìn)一步提高說(shuō)話人識(shí)別系統(tǒng)的識(shí)別速度，本文又提出