说话人识别算法的研究
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
人 发声和 人耳 听觉 的动 态 特性 ， 用 ＭＦ Ｃ 的一 阶 采 Ｃ
话人个性的语音特征参数。目前常用的特征参数包 括 线 性 预 测 倒 谱 系 数 （ Ｐ Ｃ） 美 尔 倒 谱 系 数 ＬＣ 、
（ （ ） 。Ｌ Ｃ ＭＦ 等 Ｐ Ｃ参数 和 ＭＦ Ｃ参数 分 别根 据人 Ｃ 的发声原 理和 听觉 感知 原 理 ， 从人 的声 音 提取 出能 量 分布谱 ， 中获得声 纹 的独 特特征 ， 从 这两种 参数 在
实用 中得到 了较好 的效果 ｌ 。 ３ ＿
０ 引言
建立 一个 说话 人 识别 系统 分为 两个 阶段 ： 练 训 阶段 和识别 阶段 。在 训 练 阶段 ， 统 的每 一 个使 用 系 者说 出若 干训练语 料 ， 系统 根据 这些训 练语 料 ， 通过
１ １ Ｍｅ 倒谱参 数 （ Ｃ ． ｌ ＭＦ Ｃ） Ｍｅ 频率倒谱 系数 （ Ｃ 是 在 频谱 上 采用 滤 ｌ ＭＦ Ｃ）
训 练学习 建 立 每个 使 用 者 的模 板 或 模 型参 数 参 考 集 。而在识别 阶段 ， 把从 待 识 别说 话人 说 出 的语 音 信号 中提取 的特征 参 数 ， 在训 练 过 程 中得 到 的参 与 考参 量集 或模 型模 板 比较 ， 且根 据 一定 相 似 性 准 并
则进行 判定 … 。说 话 人 辨识 时 ， 与 测试 语 音 匹 配 取 距 离最小 的说话人 模型所 对应 的说话人 作为说 话人 辨识 的结 果 ， 说话 人确认 时 ， 用测 试语 音与所 声称 的
说 话人 识别 算 法 的研 究
郭春 霞
（ 西安邮电学院 通信与信息工程学院，陕西 西安 ７ ０２ ） １ １１
摘要 ： 针对说话人识别 问题 ， 于概率神经 网络 Ｐ Ｎ， 基 Ｎ 实验 比较 ＭＦ Ｃ， ＭＦ Ｃ＋ＭＦ Ｃ分别 与 Ｐ Ｎ相 结合 时的 Ｃ △ Ｃ Ｃ Ｎ
识别率。仿真结果表明 ， 在文本有关情况下， 当说话人说话 内容为 ０ ～９的发音时 ， Ｆ Ｃ＋ＭＦ℃ 优 于 ＭＦ Ｃ， ｚ Ｃ ￣Ｉ （ Ｃ 使
作者简 介： 郭春霞 （９７ ， ， １７ 一）女 河南沁 阳人 ， 邮电学院通信与信息工程学院助教。 西安
第 ５期
郭春 霞： 说话人识 别算法的研究
・１５ ・ ０
Ｆ ａｕｅ Ｄ为 原 有 特 征 向量 序 列 的 一 阶 差 分 结 果 。 ｅｔｒ－
（ ） 练容 易 ， 敛 速 度快 ， 而非 常 适 用 于 实 １训 收 从
ＭＦ Ｃ或 Ｌ Ｃ Ｃ Ｐ Ｃ特 征 ， 之是 特 征 加权 、 征 差 分 、 随 特
特征 筛选 等 。 标准 的 ＭＦ Ｃ只反映 了语 音参 数 的静 态 特性 ， Ｃ
１ 特 征 提 取
说话 人识别技 术 的关键 问题之 一是提取 反 映说
而人 耳对语 音 的动态特性 更为 敏感 。为更好地 拟合
收稿 日期 ：０ ０—０ —０ ２１ ３ ３
பைடு நூலகம்
差分（ ＡＭＦ Ｃ Ｃ） Ｆｅ ｔ ｒ Ｄ（ ） ａｕｅ ｊ ： Ｆ ｔｒ（ ） ａ ｅ ｕｅｊ —Ｆ ｔｒ（ ａ ｅ ｕｅｊ一１ ）
～
（） １
其 中 ， ＝０ １ …Ｐ， ｉ ，， Ｊ＝ １２ … ， Ｐ为特征 阶数 ， ， ， Ｎ，
Ｎ 为 特 征 向量 数 。Ｆａｕｅ为 原 有 特 征 向 量 序 列 ， ｅｔｒ
时处 理
增加 ｄｌ 系数 ， ｅａ ｔ 即通 过 对 静 态 参 数 增 加 时 间差 ， 可 以提 高说 话 人 识 别 系统 的性 能 。Ｄ ｌ ｅｔ 数 可 以通 ａ系 过下 面 的公 式计 算
（ ） 以完 成任 意 的非线性 变换 ， 形成 的判决 ２可 所
曲面 与贝 叶斯 最 优 准则 下 的曲面相 接近
２１ ０ ０年 ９月 第１ ５卷 第 ５ 期
西 安 邮 电 学 院 学 报 Ｊ ＵＲ ＡＬＯＦＸ ’ Ｎ Ｖ Ｒ Ｉ Ｙ Ｏ ０］ Ａ Ｄ ＴＥ Ｅ Ｏ Ｏ Ｎ ＩＡ ＵＮＩ Ｅ ＳＴ ＦＰ ｓ Ｎ Ｌ Ｇ ＭＭＵ Ｃ Ｉ ＮＳ ＮＩＡＴ Ｏ
Ｓ ｐ． ０ ０ ｅｔ ２ １ Ｖｏ．５Ｎｏ５ １１ ．
用 Ｐ Ｎ算 法的识别率能够满足说话人识别的 实际要 求。 Ｎ
关 键词 ： 话人 识 别 ； 率神 经 网络 ； 征 提 取 ；Ｍｅ频 率倒 谱 系数 ； 分 ＭＦ Ｃ 说 概 特 ｌ 差 Ｃ 中 图 分 类 号 ：Ｐ ０ Ｔ ３１ 文献 标 识 码 ： Ａ 文章 编 号 ：０ ７ ２ ４２ １ ）５ １４—０ １ ０ —３６ （００ ０ —０ ０ ３
法， 进一步 剥 离 出 隐藏 在 语 音 背 后 的说 话 人 特 征 。
二 次 特征 提 取 其第 一 步 是 提 取原 始 特征 向量 ：
说话 人模 型进行 匹配 ， 匹配 距离小 于规定 的 阀值 ， 若 则该说 话人 得到证 实 ， 否则 该 说话 人 不是 他 所声 称
的说话人［ 。 ２ 】
波器组 的方 法计算 出来 的 ， 将语 音 频 率划 分 成一 系
列三 角形 的滤波器 序 列 ， 组滤 波 器 在频 率 的美 尔 这 （ １坐 标 上 是 等 带 宽 的 。这 是 因 为 人 类 在 对 Ｍｅ） １０ Ｈｚ ０ ０ 以下 的声 音 频率 范 围的 感 知遵 循 近 似线 性
一） —一
∑ 臼 口一 旦 （ ＋
Ｄ， Ｌ— ＝
２
：１
（） ３具有 很 强 的容 错 性
（） ２
（） ４ 模式 层 的传 递 函数 可 以选 用 各 种 用来 估 计 概率 密 度 的核 函数 ， 且 分 类 结果 对 核 函数 的形 式 并
关 系 ； １０ Ｈ 对 ００ ｚ以 上 的声 音 频 率 范 围 的感 知 不 遵
循线 性关 系 ， 而是 遵循 在 对 数频 率 坐标 上 的近 似线
性关 系 。 １２ 差 分 ＭＦ Ｃ的提取 ． Ｃ
二次特 征 提 取 ｌ 是 对 原 始 特 征 向量 序 列 进 行 ４ ］
再分析。通过对特征向量运用加权、 差分、 筛选等方
话人个性的语音特征参数。目前常用的特征参数包 括 线 性 预 测 倒 谱 系 数 （ Ｐ Ｃ） 美 尔 倒 谱 系 数 ＬＣ 、
（ （ ） 。Ｌ Ｃ ＭＦ 等 Ｐ Ｃ参数 和 ＭＦ Ｃ参数 分 别根 据人 Ｃ 的发声原 理和 听觉 感知 原 理 ， 从人 的声 音 提取 出能 量 分布谱 ， 中获得声 纹 的独 特特征 ， 从 这两种 参数 在
实用 中得到 了较好 的效果 ｌ 。 ３ ＿
０ 引言
建立 一个 说话 人 识别 系统 分为 两个 阶段 ： 练 训 阶段 和识别 阶段 。在 训 练 阶段 ， 统 的每 一 个使 用 系 者说 出若 干训练语 料 ， 系统 根据 这些训 练语 料 ， 通过
１ １ Ｍｅ 倒谱参 数 （ Ｃ ． ｌ ＭＦ Ｃ） Ｍｅ 频率倒谱 系数 （ Ｃ 是 在 频谱 上 采用 滤 ｌ ＭＦ Ｃ）
训 练学习 建 立 每个 使 用 者 的模 板 或 模 型参 数 参 考 集 。而在识别 阶段 ， 把从 待 识 别说 话人 说 出 的语 音 信号 中提取 的特征 参 数 ， 在训 练 过 程 中得 到 的参 与 考参 量集 或模 型模 板 比较 ， 且根 据 一定 相 似 性 准 并
则进行 判定 … 。说 话 人 辨识 时 ， 与 测试 语 音 匹 配 取 距 离最小 的说话人 模型所 对应 的说话人 作为说 话人 辨识 的结 果 ， 说话 人确认 时 ， 用测 试语 音与所 声称 的
说 话人 识别 算 法 的研 究
郭春 霞
（ 西安邮电学院 通信与信息工程学院，陕西 西安 ７ ０２ ） １ １１
摘要 ： 针对说话人识别 问题 ， 于概率神经 网络 Ｐ Ｎ， 基 Ｎ 实验 比较 ＭＦ Ｃ， ＭＦ Ｃ＋ＭＦ Ｃ分别 与 Ｐ Ｎ相 结合 时的 Ｃ △ Ｃ Ｃ Ｎ
识别率。仿真结果表明 ， 在文本有关情况下， 当说话人说话 内容为 ０ ～９的发音时 ， Ｆ Ｃ＋ＭＦ℃ 优 于 ＭＦ Ｃ， ｚ Ｃ ￣Ｉ （ Ｃ 使
作者简 介： 郭春霞 （９７ ， ， １７ 一）女 河南沁 阳人 ， 邮电学院通信与信息工程学院助教。 西安
第 ５期
郭春 霞： 说话人识 别算法的研究
・１５ ・ ０
Ｆ ａｕｅ Ｄ为 原 有 特 征 向量 序 列 的 一 阶 差 分 结 果 。 ｅｔｒ－
（ ） 练容 易 ， 敛 速 度快 ， 而非 常 适 用 于 实 １训 收 从
ＭＦ Ｃ或 Ｌ Ｃ Ｃ Ｐ Ｃ特 征 ， 之是 特 征 加权 、 征 差 分 、 随 特
特征 筛选 等 。 标准 的 ＭＦ Ｃ只反映 了语 音参 数 的静 态 特性 ， Ｃ
１ 特 征 提 取
说话 人识别技 术 的关键 问题之 一是提取 反 映说
而人 耳对语 音 的动态特性 更为 敏感 。为更好地 拟合
收稿 日期 ：０ ０—０ —０ ２１ ３ ３
பைடு நூலகம்
差分（ ＡＭＦ Ｃ Ｃ） Ｆｅ ｔ ｒ Ｄ（ ） ａｕｅ ｊ ： Ｆ ｔｒ（ ） ａ ｅ ｕｅｊ —Ｆ ｔｒ（ ａ ｅ ｕｅｊ一１ ）
～
（） １
其 中 ， ＝０ １ …Ｐ， ｉ ，， Ｊ＝ １２ … ， Ｐ为特征 阶数 ， ， ， Ｎ，
Ｎ 为 特 征 向量 数 。Ｆａｕｅ为 原 有 特 征 向 量 序 列 ， ｅｔｒ
时处 理
增加 ｄｌ 系数 ， ｅａ ｔ 即通 过 对 静 态 参 数 增 加 时 间差 ， 可 以提 高说 话 人 识 别 系统 的性 能 。Ｄ ｌ ｅｔ 数 可 以通 ａ系 过下 面 的公 式计 算
（ ） 以完 成任 意 的非线性 变换 ， 形成 的判决 ２可 所
曲面 与贝 叶斯 最 优 准则 下 的曲面相 接近
２１ ０ ０年 ９月 第１ ５卷 第 ５ 期
西 安 邮 电 学 院 学 报 Ｊ ＵＲ ＡＬＯＦＸ ’ Ｎ Ｖ Ｒ Ｉ Ｙ Ｏ ０］ Ａ Ｄ ＴＥ Ｅ Ｏ Ｏ Ｎ ＩＡ ＵＮＩ Ｅ ＳＴ ＦＰ ｓ Ｎ Ｌ Ｇ ＭＭＵ Ｃ Ｉ ＮＳ ＮＩＡＴ Ｏ
Ｓ ｐ． ０ ０ ｅｔ ２ １ Ｖｏ．５Ｎｏ５ １１ ．
用 Ｐ Ｎ算 法的识别率能够满足说话人识别的 实际要 求。 Ｎ
关 键词 ： 话人 识 别 ； 率神 经 网络 ； 征 提 取 ；Ｍｅ频 率倒 谱 系数 ； 分 ＭＦ Ｃ 说 概 特 ｌ 差 Ｃ 中 图 分 类 号 ：Ｐ ０ Ｔ ３１ 文献 标 识 码 ： Ａ 文章 编 号 ：０ ７ ２ ４２ １ ）５ １４—０ １ ０ —３６ （００ ０ —０ ０ ３
法， 进一步 剥 离 出 隐藏 在 语 音 背 后 的说 话 人 特 征 。
二 次 特征 提 取 其第 一 步 是 提 取原 始 特征 向量 ：
说话 人模 型进行 匹配 ， 匹配 距离小 于规定 的 阀值 ， 若 则该说 话人 得到证 实 ， 否则 该 说话 人 不是 他 所声 称
的说话人［ 。 ２ 】
波器组 的方 法计算 出来 的 ， 将语 音 频 率划 分 成一 系
列三 角形 的滤波器 序 列 ， 组滤 波 器 在频 率 的美 尔 这 （ １坐 标 上 是 等 带 宽 的 。这 是 因 为 人 类 在 对 Ｍｅ） １０ Ｈｚ ０ ０ 以下 的声 音 频率 范 围的 感 知遵 循 近 似线 性
一） —一
∑ 臼 口一 旦 （ ＋
Ｄ， Ｌ— ＝
２
：１
（） ３具有 很 强 的容 错 性
（） ２
（） ４ 模式 层 的传 递 函数 可 以选 用 各 种 用来 估 计 概率 密 度 的核 函数 ， 且 分 类 结果 对 核 函数 的形 式 并
关 系 ； １０ Ｈ 对 ００ ｚ以 上 的声 音 频 率 范 围 的感 知 不 遵
循线 性关 系 ， 而是 遵循 在 对 数频 率 坐标 上 的近 似线
性关 系 。 １２ 差 分 ＭＦ Ｃ的提取 ． Ｃ
二次特 征 提 取 ｌ 是 对 原 始 特 征 向量 序 列 进 行 ４ ］
再分析。通过对特征向量运用加权、 差分、 筛选等方