會(huì)話(huà)語(yǔ)音中說(shuō)話(huà)人識(shí)別的研究_圖文

1、重慶大學(xué)碩士學(xué)位論文會(huì)話(huà)語(yǔ)音中說(shuō)話(huà)人識(shí)別的研究姓名:劉大鵬申請(qǐng)學(xué)位級(jí)別:碩士專(zhuān)業(yè):計(jì)算機(jī)軟件與理論指導(dǎo)教師:朱慶生20070420 音自適應(yīng)修改通用模型獲得,之后每段語(yǔ)音用已知說(shuō)話(huà)人模型計(jì)算匹配度。若通用模型的匹配度最大,則建立新的說(shuō)話(huà)人模型,否則,此段語(yǔ)音屬于匹配度最大的那個(gè)說(shuō)話(huà)人,并用它自適應(yīng)該說(shuō)話(huà)人模型。121上述研究可以解決沒(méi)有先驗(yàn)知識(shí)的情況下語(yǔ)音材料的分類(lèi)問(wèn)題,但是由于沒(méi)有每個(gè)說(shuō)話(huà)人的訓(xùn)練模型,它并不能確切的標(biāo)注每一段是由誰(shuí)說(shuō)的,也就達(dá)不到標(biāo)注索引的目的,只能歸類(lèi);并且由于訓(xùn)練模型本身就是不精確的通用模型,其正確率也就比有先驗(yàn)知識(shí)的情況要差。本文的研究就是基于已知測(cè)試語(yǔ)音中可能出現(xiàn)的

2、說(shuō)話(huà)人信息下迸行的,例如國(guó)際會(huì)議,與會(huì)者在進(jìn)入會(huì)場(chǎng)前先用語(yǔ)音注冊(cè)其說(shuō)話(huà)人特征。本系統(tǒng)的實(shí)驗(yàn)流程圖如下: 圖4.2本文采用的說(shuō)話(huà)人識(shí)別流程圖chart used in this paperFig4.2The雄Blkcr identification4.1端點(diǎn)檢測(cè)語(yǔ)音信號(hào)端點(diǎn)檢測(cè)的目的是從連續(xù)采樣得到的數(shù)字信號(hào)中檢測(cè)出語(yǔ)音信號(hào)段和靜音(噪音信號(hào)段。找出語(yǔ)音段的起始點(diǎn)和終止點(diǎn),使采樣的數(shù)據(jù)真正是語(yǔ)音信號(hào)的數(shù)據(jù),從而減少數(shù)據(jù)的運(yùn)算量,并減少處理時(shí)間,凈化語(yǔ)音數(shù)據(jù)。端點(diǎn)作為語(yǔ)音分割的重要特征,在很大程度上影響著語(yǔ)音識(shí)別的性能。 最大1.5秒時(shí)延的切分法從理論上講。應(yīng)該是行之有效的。4.3說(shuō)話(huà)人轉(zhuǎn)折點(diǎn)檢測(cè)

3、說(shuō)話(huà)人檢測(cè)在嵌入式實(shí)時(shí)系統(tǒng)中應(yīng)用日趨廣泛,這就要求不僅要保證說(shuō)話(huà)人系統(tǒng)的識(shí)別率,而且要盡量降低系統(tǒng)資源消耗,減少計(jì)算復(fù)雜度?？紤]到實(shí)際環(huán)境中說(shuō)話(huà)人轉(zhuǎn)折點(diǎn)多數(shù)發(fā)生在語(yǔ)音停頓處這一現(xiàn)象,為了減少識(shí)別時(shí)與多個(gè)模型作模式匹配的計(jì)算量。本文引入了在無(wú)先驗(yàn)知識(shí)的說(shuō)話(huà)人檢測(cè)中常用的分段與聚類(lèi)技術(shù)。而分段與聚類(lèi)所需的計(jì)算量遠(yuǎn)小于與每個(gè)說(shuō)話(huà)人進(jìn)行模式匹配的計(jì)算量,并且系統(tǒng)越大、說(shuō)話(huà)人模型越多,其計(jì)算量的差距就越大。聚類(lèi)的基本思路是:對(duì)于每個(gè)0級(jí)切分段只識(shí)別第一個(gè)1級(jí)切分段,此后的每個(gè)1級(jí)切分段與前一段做相似性比較,當(dāng)相似度大于某一域值時(shí),則認(rèn)為與前一語(yǔ)音段屬于同一個(gè)說(shuō)話(huà)入,不再進(jìn)行模式匹配;只有當(dāng)兩段分歧較大時(shí)

4、才認(rèn)為可能是說(shuō)話(huà)人轉(zhuǎn)折點(diǎn),進(jìn)行模式匹配的識(shí)別。這樣就把基于距離的檢測(cè)和基于模型的檢測(cè)結(jié)合了起來(lái)。常用的距離測(cè)量方法有Bayesian Information Criterion(BIC、GeneralizedLikelihood Ratio(GLR10,11,1筇5】、Kullbaek Leiblei distance(KL2t131、Hotellingf.s蜥s廿o(1。等算法。BIC法假設(shè)M=材。,M2,材,M。是所有的候選模型集合,k,是材,這一模型的參數(shù)數(shù)目,X=XI,X2,X3,耳為一群語(yǔ)音數(shù)據(jù)集,根據(jù)定義,BIC可寫(xiě)成下式:BIC(M,=logL<五,X2,以I M>一亡碼logN(4.9二其中三<五.,.砭,XNlM,>為模型Mj和數(shù)據(jù)集x的最大似然值,丑為損失權(quán)重,根據(jù)(4.9式,就可以從眾多模型中找出一個(gè)最佳的模型來(lái)描述語(yǔ)音集x。假設(shè)X4=“,屯I-'o和Xs=“,而,%代表兩段連續(xù)語(yǔ)音段的特征向量,他們可能為一個(gè)說(shuō)話(huà)人,也可能是兩個(gè)不同的說(shuō)話(huà)人,假定如下: Ho:而,而,¨一N(u,(4.10Hi:而,x2,一N(u,;而,毒2,%一以5,口(4.11 圖4.6長(zhǎng)度為N并包含一個(gè)說(shuō)話(huà)人轉(zhuǎn)折點(diǎn)的語(yǔ)音段slice which c