基于ViterbI-GMM的文本提示型聲紋識別系統(tǒng)的研究及實(shí)現(xiàn).pdf

1、聲紋識別技術(shù)作為語音識別的一個分支正在蓬勃發(fā)展起來，開始應(yīng)用于各行各業(yè)，越來越受到人們的重視。與傳統(tǒng)的身份認(rèn)證技術(shù)相比，聲紋識別具有數(shù)據(jù)采集簡單，識別方便快捷等優(yōu)點(diǎn)，是最適合于遠(yuǎn)程認(rèn)證的生物識別技術(shù)。
　　目前，聲紋識別的方法多種多樣，性能也是各有特色。近些年，基于高斯混合模型和通用背景模型(GMM-UBM)的識別方法以其獨(dú)特的魯棒性，在眾多聲紋識別方法中脫穎而出。GMM-UBM系統(tǒng)既能在文本無關(guān)聲紋識別中發(fā)揮出色，又能在文本相關(guān)

2、的識別中表現(xiàn)良好，為不少應(yīng)用研究者所采用。與此同時，錄音回放攻擊也一直是聲紋識別技術(shù)的一大安全隱患，GMM-UBM系統(tǒng)也不斷受到來自錄音冒充者的困擾。為此，本文在GMM-UBM系統(tǒng)的基礎(chǔ)上提出一種文本提示型的方法來克服這一難題。
　　本文描述的文本提示型系統(tǒng)不同于以往的訓(xùn)練大量文本集的策略，也不是自適應(yīng)有限聲學(xué)基元模型的方法，而是通過訓(xùn)練隨機(jī)文本的語句模型達(dá)到近似于文本相關(guān)的識別方法。在這個文本提示型的系統(tǒng)中，隨機(jī)文本的語句模型無

3、法直接獲取，本文采用Viterbi切分語音的方法，從順序結(jié)構(gòu)的語音中分離出每個字的語音片段，在語音波形這層將其拼接獲得語音句子，將其訓(xùn)練后得到該句子模型，識別時就類似于文本相關(guān)的方法。盡管拼接得到的語音句子不夠自然，但因文本內(nèi)容選擇的都是漢語數(shù)字，語義原本就比較孤立，建立的整體模型并無多少影響，識別性能依然卓越。
　　在系統(tǒng)性能改進(jìn)方面，本文從兩方面進(jìn)行著手。首先在MFCC特征參數(shù)提取上，利用倒譜均值減(CMS)和倒譜方差歸一(C