基于混合高斯模型的说话人识别

论文摘要

本论文研究的是基于混合高斯模型下的与文本无关的说话人识别问题。本论文的目标是尽量提高说话人识别率,在这篇论文中,从前端特征处理,针对超短时说话人语音建模方法,高层信息在说话人识别中的应用等各个方面展开了研究,对传统方法做了一系列的改进,并且获得了实验的证明,主要集中在以下几个方面:说话人识别传统的在特征端进行去信道信息处理的特征映射方法是机械的使用语音的信道标注信息。在本文中提出通过利用半监督聚类方法,对数据的信道标注信息做修正,再进行特征映射。从实验结果看,改进后的特征映射方法可以使原来的传统特征映射方法对性能的改善由2%提升至6%。说话人识别在应用方向上的发展一直受到短时语音识别性能的影响,在短时语音中,传统混合高斯模型建模的方法由于受到数据量的限制表现的性能一直很差,在本文中利用本征音方法对短时语音进行建模,在实验中使得系统的等错误率相对与传统系统有18%的降低。最近几年,由于音素识别器技术的发展,高层信息在说话人识别中的应用成为了研究热点。本文中提出通过音素发音方式不同对音素进行分类,并在这之上利用并行音素级混合高斯模型来对语音进行建模。通过实验验证,基于并行音素级混合高斯模型的方法与作为基线系统的使用联合因子分析的混合高斯模型的方法相比,等错误率相对下降了17%以上,而最小检测代价也相对下降了10%左右。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 说话人识别技术的发展历程和应用背景
• 1.2 说话人识别的研究背景
• 1.2.1 说话人识别任务的分类
• 1.2.2 论文的研究目标
• 1.3 说话人识别的基本问题
• 1.3.1 说话人识别系统的结构
• 1.3.2 性能评测方法
• 1.3.3 数据库
• 1.4 本论文的内容安排
• 第二章 基于混合高斯模型的说话人识别
• 2.1 说话人识别建模概述
• 2.2 说话人识别中的建模问题
• 2.2.1 冒认者模型的建立
• 2.2.2 说话人模型的建立
• 2.3 后端得分规整
• 2.3.1 零规整（ZNorm）
• 2.3.2 测试规整（TNorm）
• 2.3.3 TZNorm与ZTNorm
• 2.4 本章小结
• 第三章 说话人识别前端特征处理
• 3.1 说话人语音特征参数的提取
• 3.1.1 MFCC特征参数提取
• 3.1.2 LPCC特征参数提取
• 3.1.3 PLP特征参数提取
• 3.2 利用信道间映射去除信道影响的方法
• 3.2.1 传统的说话人模型合成方法
• 3.2.2 传统的Feature Mapping方法
• 3.2.3 改进后的Feature Mapping方法
• 3.3 实验结果和性能
• 3.3.1 实验数据库
• 3.3.2 Feature Mapping的实验性能
• 3.4 本章小结
• 第四章 超短时语音的说话人识别
• 4.1 超短时说话人建模上Eigenvoice的优势
• 4.2 Eigenvoice方法
• 4.3 实验结果和性能
• 4.3.1 实验数据库
• 4.3.2 实验结果与性能
• 4.4 本章小结
• 第五章 应用语音高层信息的说话人识别
• 5.1 应用语音高层信息的说话人识别的基本结构
• 5.2 音素分类标准的介绍
• 5.2.1 音素分类理论
• 5.2.2 音素分类标准
• 5.3 实验结果和性能
• 5.3.1 不同音素类的性能比较
• 5.3.2 Paral PGMM的实验性能
• 5.4 本章小结
• 第六章 结束语
• 参考文献
• 致谢
• 在读期间发表的学术论文与取得的其他研究成果
• 发表论文
• 研究工作