聲紋識別系統與模式匹配算法研究.pdf

1、基于生物特征的身份識別技術是當前國際上的重點研究內容，聲紋識別是通過語音識別說話人的身份，在系統安全認證、司法鑒定、金融服務以及電子偵聽等領域有著廣泛的應用價值，而且比起其他生物特征識別技術如指紋識別、臉部識別等，更加經濟簡便，特別是對于遠距離身份確認更為有效。 本文在對現有聲紋識別技術進行深入研究的基礎上，選取目前應用最廣泛、有效的語音信號特征提取方案——美爾倒頻譜系數(MFCC)和語者數學模型——高斯混合模型(GMM)，構架

2、了識別系統。對于語者辨識，語者特定模型直接用語者的語料借助于期望值最大化算法(EM)來訓練，辨識算法采用了最大事后概率法則(MAP)；而對于語者確認，為了減少語者自己語音本身的變異性，只留下語者間彼此的變異性，在建立語者特定模型時，先訓練一個語者不特定模型，然后基于一種貝葉斯語者調適法的原理用語者的訓練語料將語者不特定模型調適成語者特定模型，后端匹配則結合語者特定模型與預先訓練好的背景模型(UBM)來建立一個對數相似值比偵測器，利用它求

3、取語者分數并根據門檻值得出最終的結果。 本文重點研究了后端模式匹配算法，在模型的訓練過程中引入了模糊C-均值聚類算法(FCM)，使識別效果獲得了明顯改進。這種算法在聚類方面具有高魯棒性，將其引入到EM訓練算法中代替常用的硬聚類算法來尋求模型的初始點，可使GMM模型收斂至一個更好的局部最優(yōu)點。最終的試驗結果證明，采用上述各項方法構造的聲紋識別系統具有優(yōu)越的識別性能，其中語者確認系統平均可達到4.7％的相等錯誤率(EER)；而改進的