基于拓展和聚類的情感魯棒說話人識別研究.pdf

1、說話人識別技術是根據(jù)包含在語音波形中特有的個體信息，以聲音作為生物特征，自動識別說話人身份的過程。它被認為是最自然的生物認證技術，具有廣泛的應用前景。 傳統(tǒng)說話人識別系統(tǒng)當系統(tǒng)用戶在平靜狀態(tài)下訓練、測試時，已取得了非常出色的識別性能。然而，當說話人在不同情感狀態(tài)間轉(zhuǎn)變時，由于說話人情緒的改變引起了發(fā)音方式的變化，使得基于中性訓練語音的說話人識別系統(tǒng)的性能急劇下降。在綜述情感語音處理現(xiàn)狀和存在情感影響的說話人識別系統(tǒng)的最新進展的基

2、礎上，本文緊緊圍繞如何提高訓練語音和測試語音之間的情感匹配度這個問題，從情感拓展和聚類角度給出了有效的解決方案，從特征、模型和得分三個層次上提出了構建情感魯棒的說話人識別模型的關鍵算法。本文的主要貢獻總結(jié)如下： 1.深入分析了情感語音對說話人識別系統(tǒng)的影響本文分別從文本的相關性、文本的情感性、不同訓練情感語料的數(shù)量、不同建模方法、不同取得分策略以及不同背景模型等方面對存在情感差異性語音的說話人識別系統(tǒng)進行深入研究。針對情感語音對

3、說話人識別系統(tǒng)的影響，提出了抗情感變化的說話人識別系統(tǒng)的建設對策以及基于拓展和聚類的情感魯棒說話人識別模型。 2.提出了一個基于規(guī)則的特征修正方法針對說話人情感狀態(tài)轉(zhuǎn)變帶來的系統(tǒng)訓練和測試時情感狀態(tài)不匹配，基于規(guī)則的特征修正方法通過學習相同文本下情感語音和中性語音間的韻律參數(shù)變化規(guī)則，對系統(tǒng)注冊用戶的中性語音特征進行修正，有助于豐富訓練語音的情感信息，從而較大幅度地提高了識別性能。 3.提出了一個基于情感模型間參數(shù)遷移規(guī)

4、律的特征映射方法本文根據(jù)模型自適應UBM-MAP方法中，背景模型與自適應得到的模型中的各個高斯分布分量之間存在--對應關系這一顯著特點，根據(jù)情感無關的通用背景模型與情感相關模型之間的參數(shù)遷移規(guī)律，通過對中性語音特征進行映射，改變中性語音的特征分布，以使訓練特征具有情感語音特征的分布信息，有效提高了訓練語音和測試語音之間的情感匹配度。 4.提出了一個基于情感語音聚類的說話人建模方法根據(jù)語音特征空間分布隨說話人所處的情感狀態(tài)的改變而

5、移動，本文認為相似的韻律特征變化產(chǎn)生了倒譜特征在空間分布上相似變形，基于情感語音聚類的說話人建模方法把韻律特征變化趨勢一致的情感語音聚類一類，對說話人的情感語音分類建模。實驗表明，基于情感語音聚類的說話人建模方法具有良好地表達說話人情感語音特征分布的能力。 5.提出了一個基于語音幀加權的得分規(guī)整算法文本在研究基于語音幀的說話人系統(tǒng)中目標模型和非目標模型幀似然概率特性的基礎上，借鑒語音幀的得分對說話人模型的排序，對得分重加權，有效