基于語音組成單位的文本無關(guān)說話人識別.pdf

1、本文就特征提取、文本無關(guān)說話人識別的主要經(jīng)典方法作了回顧，強(qiáng)調(diào)并闡釋了各種方法在物理上的意義。針對文本無關(guān)說話人識別中訓(xùn)練語音和測試語音的內(nèi)容不受制約因而不具可比性的問題，本著“在具有可比性的語音組成單位中尋找不同的身份信息”的思想，系統(tǒng)地提出了一種說話人識別方法。該方法提取語音中的濁音作為訓(xùn)練樣本和測試樣本。以LPC系數(shù)作為特征向量，將語音的每一幀特征向量視作一個語音組成單位。用一個高斯概率密度函數(shù)表征一個語音組成單位，以此為每個人建

2、立語音組成單位的模型，也就是每個人語音組成單位的集合。獲得模型各參數(shù)的方法是：對說話者的訓(xùn)練樣本用k均值聚類算法進(jìn)行初始聚類，得到每一個類的類心和協(xié)方差矩陣的初始值。然后利用GMM迭代算法對類心和協(xié)方差矩陣進(jìn)行優(yōu)化處理。把優(yōu)化后的結(jié)果作為語音組成單位在特征空間中的表示，從而得到各語音組成單位在特征空間中的分布。以這個模型為基礎(chǔ)，設(shè)計說話人識別算法。通過處理測試樣本對模型中語音組成單位的匹配值，分別提出了一種對說話人進(jìn)行確認(rèn)和辨認(rèn)的方法。