融合AP和GMM的說話人識別方法研究.pdf

1、說話人識別又被稱作聲紋識別，是生物識別研究的一個重要方向。近年來，隨著生物技術和信息技術的高速發(fā)展，語音識別技術也日漸成熟并逐步得到普及，使得用語音與計算機之間的交流也成為了一種現實。在此過程中，用于研究說話人識別的理論和算法也在不斷提出和改進。其中，高斯混合模型(GMM)由于其識別性能良好、方法簡單和復雜度小，在目前說話人識別領域中應用最為廣泛。經典的GMM在對每個說話人建立模型時，其混合階數K與具體應用有關，通常由人根據實驗結果給定

2、，因此具有一定的隨意性。針對在說話人識別過程中，經典的GMM混合階數的確定具有一定隨意性的問題，本文提出采用吸引子傳播聚類方法(AP聚類)自動獲取GMM的階數，進而實現說話人識別的方法。這個方法避免了人為實驗摸索去獲得GMM的混合階數，顯著提高了說話人識別的精度和效率。
　　本文首先介紹了說話人識別的相關背景知識，以及其研究的意義;分析了說話人識別的研究現狀、發(fā)展趨勢以及存在問題。其次詳細闡述了語音信號的預處理和特征提取的過程。其

3、中，語音信號的預處理過程主要包括語音采樣、數字化、預加重、分幀加窗和端點檢測。然后介紹了語音信號特征參數的分類，并分析了線性預測系數(LPC)、線性預測倒譜參數(LPCC)、梅爾頻率倒譜系數(MFCC)三種常用的特征參數的優(yōu)缺點。第三，對說話人識別模型的建立進行了深入研究，詳細闡述了矢量量化模型(VQ)、隱馬爾可夫模型(HMM)和高斯混合模型(GMM)等常用建模方法的基本原理。第四，給出了說話人識別系統(tǒng)的設計流程圖。然后，詳細介紹了AP

4、(AffinityPropagation，吸引子傳播)聚類算法基本原理，并給出了利用AP聚類算法自動獲取GMM混合階數的具體實現過程。首先，采用Mel頻率倒譜系數法(MFCC)與差分倒譜相結合的方法，提取語音特征參數;其次，采用吸引子傳播聚類方法（AP聚類）對語音特征參數進行聚類處理，從而自動獲得GMM的階數;在此基礎上進行GMM模型的訓練。第五，對模型進行了實驗并對實驗結果進行了分析。本文采用訓練好的GMM模型對Timit標準語音庫以

5、及自制網絡志愿者語音庫進行說話人識別測試實驗，通過實驗來驗證AP聚類的有效性和得到的GMM混合階數K的合理性。實驗結果顯示，經典的GMM階數K為32和由AP聚類算法獲得階數K，兩種方法的識別時間分別為0.06s和0.09s，識別準確率分別為90.4％和97.6％。實驗結果表明，比起通過實驗探索再憑經驗值選取混合階數K的方法，采用AP聚類算法自動獲取GMM混合階數K，可以在識別時間大致相同情況下得到更優(yōu)的識別效果。也就是說，引入AP聚類自