變音環(huán)境下魯棒性說話人辨認(rèn)關(guān)鍵技術(shù)研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的不斷提高以及社會(huì)信息化程度的逐漸深入，說話人識(shí)別技術(shù)的應(yīng)用場(chǎng)景也越來越多，并且用戶對(duì)說話人識(shí)別系統(tǒng)的友好性、精確性和魯棒性的期望也逐漸提高。在純凈語音環(huán)境下，說話人識(shí)別技術(shù)發(fā)展的已相當(dāng)成熟了，但是在實(shí)際應(yīng)用場(chǎng)景中，說話人識(shí)別系統(tǒng)的準(zhǔn)確性受到許多環(huán)境因素的影響，例如由于環(huán)境噪聲導(dǎo)致采集的語音受污染影響識(shí)別率，再比如說話人由于某種原因?qū)е伦兟曈绊懽R(shí)別率，常見的就是身體健康狀況的變化（例如感冒），上述各種因素都是導(dǎo)致目前說話人

2、識(shí)別系統(tǒng)魯棒性不強(qiáng)的主要原因。在語音識(shí)別魯棒性技術(shù)研究中，第一種情況環(huán)境噪聲的影響，目前已經(jīng)得到研究人員廣泛關(guān)注，采取各種措施降低噪聲影響提高識(shí)別率，但對(duì)于后者即說話人本身變聲的研究還十分缺乏，本文側(cè)重研究變聲環(huán)境下如何提高說話人識(shí)別系統(tǒng)魯棒性的技術(shù)。變聲的情況也有許多，有故意的（如犯罪分子變聲掩蓋身份），更多的是因?yàn)檎f話人身體健康原因?qū)е碌?，本文主要研究后者，?cè)重針對(duì)常見的感冒導(dǎo)致的變聲情景。我們將說話人感冒時(shí)發(fā)出的語音稱為感冒語音，

3、感冒改變了說話人個(gè)性特征的分布，導(dǎo)致感冒測(cè)試語音與正常語音訓(xùn)練得到的說話人模型不匹配，從而使得系統(tǒng)的識(shí)別準(zhǔn)確性顯著下降。
　　本論文的主要研究工作和創(chuàng)新如下：
　　針對(duì)僅有正常語音來訓(xùn)練說話人模型的情況，本文分析說話人感冒引起發(fā)聲系統(tǒng)的變化、鼻音的特點(diǎn)以及感冒語音與正常語音的差異，重點(diǎn)研究了如何補(bǔ)償感冒造成的語音變化，改善說話人識(shí)別系統(tǒng)的性能。具體工作包括：
　?。?）分析了說話人感冒引發(fā)鼻腔通道的變化以及對(duì)其調(diào)制作用

4、的影響。研究了鼻音的頻譜特點(diǎn)以及對(duì)比感冒語音與正常語音的頻譜圖，采用了與正常語音不同的預(yù)加重濾波器來處理感冒語音，即用低頻衰減幅度更大，高頻提升效果更好的預(yù)加重濾波器來處理感冒語音。在語音實(shí)驗(yàn)室錄制的語料基礎(chǔ)上進(jìn)行了仿真實(shí)驗(yàn)，經(jīng)過大量的實(shí)驗(yàn)得到當(dāng)訓(xùn)練語音使用系數(shù)為0.91的經(jīng)典預(yù)加重濾波器來處理，而感冒語音使用特殊預(yù)加重濾波器（α1=0.98,β=0.8）處理，系統(tǒng)的識(shí)別效果達(dá)最佳。在高斯成分取64時(shí)，系統(tǒng)對(duì)感冒語音的識(shí)別率與正常語音的

5、識(shí)別率相一致。
　　(2)提出了將線性預(yù)測(cè)系數(shù)與梅爾倒譜系數(shù)進(jìn)行得分融合的說話人辨認(rèn)系統(tǒng)，利用特征LPC和MFCC得分的互補(bǔ)性，將這兩者的得分進(jìn)行線性加權(quán)融合。實(shí)驗(yàn)表明，LPC和MFCC得分融合系統(tǒng)優(yōu)于單一特征系統(tǒng)，它可以顯著提高系統(tǒng)對(duì)感冒語音的識(shí)別率。仿真結(jié)果表明了當(dāng)基于MFCC系統(tǒng)得分的加權(quán)系數(shù)為0.7，基于LPC系統(tǒng)的加權(quán)系數(shù)為0.3時(shí)，系統(tǒng)識(shí)別率達(dá)最高。
　?。?）針對(duì)智能移動(dòng)終端普及，許多用戶通過移動(dòng)終端接入網(wǎng)絡(luò)需

6、要進(jìn)行身份認(rèn)證的場(chǎng)景，為降低傳輸和處理的數(shù)據(jù)量，提出一種基于壓縮感知的感冒語音說話人識(shí)別系統(tǒng)，在提取感冒語音信號(hào)的CS-MFCC特征參數(shù)前首先進(jìn)行語音檢測(cè)。通過行階梯觀測(cè)矩陣進(jìn)行壓縮采樣，實(shí)質(zhì)上是對(duì)相鄰采樣點(diǎn)進(jìn)行疊加，濁音信號(hào)具有周期性，合適的壓縮比下疊加后的波形幾乎不變，清音不具有周期性疊加后波形發(fā)生了明顯的變化，無聲語音也會(huì)影響波形的疊加效果，故而提出將無聲幀和清音幀剔除后，再用行階梯矩陣觀測(cè)采樣，得到的觀測(cè)信號(hào)波形更加接近觀測(cè)前的