基于稀疏表示的说话人确认方法研究

• 作 者: 王薇
• 机 构: 厦门大学
• 出 处: 厦门大学
• 发表日期: 2013年期
• 关键词: 说话人 确认方法 稀疏表示理论 字典学习方法

说话人识别作为现代生物信息识别中的一项重要技术，依据语音信号确认说话人身份。从1999年起，历年NIST测评结果显示，GMM-UBM识别框架使用统一背景模型自适应出目标说话人模型，能更好地表征说话人个性特征。由于GMM建模只是对目标说话人一类数据进行的，直接采用GMM似然度得分进行分类具有计算量大、区分能力不佳等不足之处;将GMM均值超向量作为SVM分类器的输入，采用非线性核函数进行二分类，一定程度上提高了说话人识别性能，但是数据的不平衡和两类数据的混叠问题对分类效果影响较大。稀疏表示理论指出可压缩信号能够在某个空间中由最能反映信号特征且数量最少的原子线性表示，表征同类信号的基原子分布密集，对不同类信号的表征具有很强的区分性，可实现信号的分类。本文深入研究语音信号的稀疏表示方法，实现了基于稀疏表示的说话人确认系统。本文主要工作及取得的成果如下:　　(1)、系统分析了稀疏表示理论，对语音信号的稀疏表示方法进行了研究。鉴于语音信号的稀疏性和可重构性，对语音信号进行稀疏表示是可行的，并且稀疏表示方法采用分布密集的基原子表征同类信号，对不同类信号的表征具有很强的区分性。因此，利用稀疏表示对语音信号进行分类，能够取得很好的效果。　　(2)、提出了基于稀疏表示的说话人确认系统GMM-SRC，在GMM-UBM基线系统的基础上，使用目标说话人和背景说话人的GMM均值超向量构建字典，通过l1范数最优化方法求解稀疏表示系数，再利用重构误差进行识别。在NIST06年语音数据库上进行说话人确认实验，结果显示，GMM-SRC系统的等错误率比基线系统降低了1.27％。进一步提出了GMM-SRC和GMM-UBM的说话人确认融合系统，在分数域将两种系统进行融合，相比于基线系统，等错误率降低了2.35％。　　(3)、针对GMM-SRC说话人确认系统，提出了一种改进的字典学习方法，在字典的更新过程中加入分类信息，采用D-KSVD算法训练字典，使生成的字典同时具有稀疏表达和分类能力。进一步，实现了基于D-KSVD的说话人确认系统，其获得的等错误率相比于基线系统降低了3.32％。