基于GMM算法的说话人识别系统的研究

• 作 者: 孙鹏
• 出 处: 东北林业大学
• 发表日期: 2014年期
• 关键词: 说话人识别 特征提取 人工神经网络 高斯混合模型

说话人识别技术是生物认证技术的一种,可以通过分析说话人语音中的个性特征自动识别出说话人的身份。说话人识别技术以其独特的经济性和准确性等优势,被广泛的应用于人们的日常生活和工作中,且带来了大量的便利。因此,研究一种识别率高,同时鲁棒性强的说话人识别方法是广大研究者的努力方向。本文重点研究的是基于高斯混合模型的说话人识别系统。经过对系统中一些参数和模型的测试与比较,对系统提出相应的改进,达到提高系统识别率的目的。本文主要在系统构建、系统性能研究和系统改进等几个方面进行了研究并进行了仿真实验。首先利用Matlab构建一个基于高斯混合模型的说话人识别系统,具体包括语音库的选取与读取、对语音信号的预处理工作、语音信号特征参数的提取以及高斯混合模型的训练和识别几个模块。对系统性能的研究主要是研究说话人语音信号特征的提取和模型参数对系统性能的影响。实验可知,不同的特征参数、不同的测试语音长度、不同的测试语音帧长以及不同的模型阶数都会影响系统的性能。MFCC特征参数优于LPC和LPCC,测试语音长度适当的加长会提高系统的识别率,相同帧长下高阶数的高斯混合模型要优于低阶模型,对于不同阶数的高斯混合模型,系统系能最优时语音的帧长也有所不同。本论文在采用GMM模型对说话人进行模型训练外,还采用了BP模型来对说话人的语音进行训练识别。针对BP模型采用MFCC提取特征参数,分别得到不同训练集合大小时的识别率。由结果发现随着说话人训练语音的增加,系统的识别率会有所下降。针对这个问题引入Delta特征并提出特征二次提取的方法,将LPCC和MFCC特征进行再次处理、自由组合然后筛选出最有效的特征进行系统实验,实验证明经过改进的特征在说话人人数增加时识别效果没有明显降低。