当前位置:首页 > 医疗电子 > 医疗电子
[导读]1引言说话人识别是根据从说话人所发语音中提取信息判断说话人身份的过程。语音信号中包含了话音特征和说话人个性特征,说话人识别的关键问题之一是提取反映说话人个性的语音特征参数。在说话人识别系统中常用的语音特

1引言

说话人识别是根据从说话人所发语音中提取信息判断说话人身份的过程。语音信号中包含了话音特征和说话人个性特征,说话人识别的关键问题之一是提取反映说话人个性的语音特征参数。在说话人识别系统中常用的语音特征参数主要有,LPC 倒谱系数(LPCC) 、Mel 频率倒谱系数(MFCC)、线谱对(LSP)等 。在纯净语音环境中,系统已经达到很好的识别性能,但是在实际应用的环境中,由于背景噪声的存在,系统往往达不到令人满意的效果。

主分量分析PCA (primary component analyze)是统计学中一种根据数据的统计分布特性,提取数据主要成分的数据处理方法. 它是最小均方误差下的最优正交变换,对消除模式间的相关性、突出模式间差异性有最佳的效果,所以常被用于数据的压缩和模式识别的特征提取 . 由于它需要对原始数据的方差矩阵进行估值并求取其特征值和特征向量, 计算量异常巨大, 而基于神经网络的主分量分析算法不必进行矩阵求逆运算,并且神经网络具有并行运算能力, 这将降低PCA 计算量, 提高PCA 的实用性 。对语音信号的原始特征作主分量分析后往往能得到更好的特征参数 。本文选用LPC倒谱系数作为表征声道的特征参数,采用相继的几帧组成的特征参数矢量作为样本,对其进行主分量分析,这样去除了特征中的冗余信息,压缩特征参数的维数,得到新的PCA特征参数,然后把PCA特征参数作为GMM模型的输入向量,进行说话人识别的训练和识别。

本文第二节介绍主分量分析神经网络的原理和算法,第三节介绍高斯混和模型和LPCC特征参数,第四节给出相应的说话人识别系统实验和结果,最后是简要的讨论与展望。

2主分量神经网络(PCANN)

主分量神经网络是基于Hebb 学习规则的线性无监督学习神经网络, 它可以通过对权矩阵W 的学习, 使W接近于原始数据X的关联矩阵C中特征值所对应的特征向量, 而不必进行矩阵求逆运算,提高了运算速度。
2.1    基于Hebb学习的最大特征滤波器      

2.2    基于Hebb 学习的主分量分析网络

图3:提取前m个主分量的神经网络解析图

3识别系统特征参数以及模型

3.1 语音的主分量特征参数(PCA特征)
本文选用线性预测倒谱系数(LPCC)作为语音的原始特征参数然后对其进行主分量分析。LPCC系数是一种非常重要的特征参数。它的主要优点是比较彻底地去掉了语音产生过程中的激励信息,主要反映声道相应,而且往往只要十几个倒谱系数就能较好地描述语音信号的共振峰特性,因此在识别中取得了较好的效果。在实际计算中,LPCC参数不是由信号直接得到的,而是由LPC系数得到的。关系式如下:


          (8)
这里 实际上是直流分量,反映频谱能量,其值的大小不影响谱形,在识别中通常不用,也不去计算。当LPCC系数个数不大于LPC系数个数时用第二式,当LPCC系数个数大于LPC系数个数时,用第三式进行计算。

4实验及结果分析
本文实现了一个在噪声环境下与文本无关的说话人自动识别系统。使用的是一个含20人的语音数据库,包括10名男性和10名女性,每人语音长度约90秒。采样率为12kHz,采用16bit量化。

首先对数据进行预处理,包括端点检测、预加重(H(z)=1-0.95 )和加窗(Hamming窗,帧长20ms,帧移10ms)。原始特征选为12阶的LPCC倒谱参数,主分量特征个数选12阶。高斯模型混合数M=16。训练音长为40s,测试音为3s。实验结果如表(1):

表1  实验结果(%)

图(4)是根据表(1)中的数据画出的曲线。

从表(1)可以看出,与传统的GMM方法相比,PCANN_GMM方法明显增强系统抗噪声能力,改进了识别效果。并且在PCANN_GMM中,帧数不同对识别也有较小的影响,当帧数大于5帧时,系统的识别性能不再提高。

5总结

本文运用PCANN/GMM方法进行说话人识别,将多帧特征参数合并为一帧,利用了帧间相关性,对其进行主分量分析,减少了冗余度,提高了系统的鲁棒性。另外,当前的说话人识别研究还主要集中在声学特征层次进行,基于人们说话中含有的高级特征所进行的研究虽然很多,下一步的工作将结合声学特征和高级特征,研究它们之间的关系,从而进一步提高说话人识别系统的性能。
 
参考文献

[1] 赵力. 语音信号处理 北京:机械工业出版社,2003
[2] E.Oja. “A Simplified Neural Model as a Principal Components Analyzer”,Journal of Mathematic Biology,VOL.19,pp.267-273,1982
[3] Sanger T D. “Optimal Unsupervised Learing In a Singer Layer Linear Feedforward Neural Network”,Neural Networks, pp459-473, 1989
[4] 何振亚 顾明亮 语音信号的主分量特征 应用科学学报, VOL 17,NO.4,1999
[5]  Simon Haykin. 神经网络原理. 北京:机械工业出版社, 2004
[6] Chanchal Chatterjee. and Vwani P.Roychowdhury. “On Relative Convergence Properties of Principal Component Analysis Algorithms”,IEEE Transactions On Neural Networks, VOL.9,NO.2,March 1998
[7] Oh-Wook Kwon. and Kwokleung Chan. “Speech Feather Analysis Using Variational Bayesian PCA”,IEEE Signal Processing Letters,VOL.10,NO.5,May 2003

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

9月2日消息,不造车的华为或将催生出更大的独角兽公司,随着阿维塔和赛力斯的入局,华为引望愈发显得引人瞩目。

关键字: 阿维塔 塞力斯 华为

加利福尼亚州圣克拉拉县2024年8月30日 /美通社/ -- 数字化转型技术解决方案公司Trianz今天宣布,该公司与Amazon Web Services (AWS)签订了...

关键字: AWS AN BSP 数字化

伦敦2024年8月29日 /美通社/ -- 英国汽车技术公司SODA.Auto推出其旗舰产品SODA V,这是全球首款涵盖汽车工程师从创意到认证的所有需求的工具,可用于创建软件定义汽车。 SODA V工具的开发耗时1.5...

关键字: 汽车 人工智能 智能驱动 BSP

北京2024年8月28日 /美通社/ -- 越来越多用户希望企业业务能7×24不间断运行,同时企业却面临越来越多业务中断的风险,如企业系统复杂性的增加,频繁的功能更新和发布等。如何确保业务连续性,提升韧性,成...

关键字: 亚马逊 解密 控制平面 BSP

8月30日消息,据媒体报道,腾讯和网易近期正在缩减他们对日本游戏市场的投资。

关键字: 腾讯 编码器 CPU

8月28日消息,今天上午,2024中国国际大数据产业博览会开幕式在贵阳举行,华为董事、质量流程IT总裁陶景文发表了演讲。

关键字: 华为 12nm EDA 半导体

8月28日消息,在2024中国国际大数据产业博览会上,华为常务董事、华为云CEO张平安发表演讲称,数字世界的话语权最终是由生态的繁荣决定的。

关键字: 华为 12nm 手机 卫星通信

要点: 有效应对环境变化,经营业绩稳中有升 落实提质增效举措,毛利润率延续升势 战略布局成效显著,战新业务引领增长 以科技创新为引领,提升企业核心竞争力 坚持高质量发展策略,塑强核心竞争优势...

关键字: 通信 BSP 电信运营商 数字经济

北京2024年8月27日 /美通社/ -- 8月21日,由中央广播电视总台与中国电影电视技术学会联合牵头组建的NVI技术创新联盟在BIRTV2024超高清全产业链发展研讨会上宣布正式成立。 活动现场 NVI技术创新联...

关键字: VI 传输协议 音频 BSP

北京2024年8月27日 /美通社/ -- 在8月23日举办的2024年长三角生态绿色一体化发展示范区联合招商会上,软通动力信息技术(集团)股份有限公司(以下简称"软通动力")与长三角投资(上海)有限...

关键字: BSP 信息技术
关闭
关闭