噪声环境下的鲁棒性说话人识别系统研究.docVIP

 噪声环境下的鲁棒性说话人识别系统研究 姚强* （北京邮电大学信息与通信工程学院，北京 100876） 5 10 15 20 25 摘要：在实际应用中，噪声或信道干扰导致说话人识别( SR) 识别性能急剧下降，针对该问 题，本文提出了一种维纳滤波和倒谱均值归一化（CMN）作为语音信号前端处理，以 MFCC 声道特征及其一阶二阶差分作为特征分别进行高斯混合模型（GMM）训练，再对其融合的方 法来提高说话人识别系统的鲁棒性。实验结果表明，维纳滤波和倒谱均值归一化能够有效地 消除噪声带来的影响，而 MFCC 参数混合建模能够更好地区分说话人，使得噪声环境下系统 能够具备较高的鲁棒性，综合性能得到很大的提高。 关键词：模式识别与智能系统；说话人识别；维纳滤波；倒谱均值归一化；特征混合；鲁棒 性 中图分类号：TN912.3 Robust speaker recognition system in noisy environment Yao Qiang (School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, Beijing 100876) Abstract: In practical applications, noise or channel interference resulted in great degradation in the performance of Speaker Recognition (SR) system,to solve this problem, we proposed a system design which use Wiener filter and cepstral mean normalization (CMN) in the front-end of the SR system. Regard MFCC and firstsecond order MFCC as different features of voice,use the Gaussian mixture model (GMM) train them separately and combined the final score to identify the speaker. The experimental results show that the Wiener filter and cepstral mean normalizationcan effectively weaked the impact of noise, hybrid modeling of the MFCC parameters can help distinguish the speakers better and increase the robustness of the system under noisy environment , the overall performance has been greatly improved. Keywords: Pattern Recognition and Intelligent Systems; speaker recognition; Wiener filter; cepstrum mean normalization; feature fusing; robustness 30 0 引言 对于低噪声环境下的语音，目前说话人识别已能达到较高识别率，但实际应用中，噪声 或者信道干扰会大大降低说话人识别的性能，提高说话人识别系统的鲁棒性至关重要。目前 常用于提高说话人识别性能和鲁棒性的算法可分为三类：语音增强[1]、模型补偿[2]和抗噪声 35 40 的语音特征[3]。其中，语音增强是将噪声环境下的语音进行恢复，尽可能得到受噪声污染前 的语音。模型补偿是根据噪声本身特征，对纯净语音模型参数进行修正，以补偿训练环境与 工作环境之间的差异， 使修正后的语音模型与带噪语音的实际分布尽量接近。抗噪声的语 音特征是指提取对噪声不敏感的说话人识别特征，特征本身就具备一定的鲁棒性，从而能够 在训练后得到较为准确的模型，从而提高最后识别的准确度。本文从语音增强和语音特征融 合两个方面入手，提出来在前端用维纳滤波和倒谱均值归一化（CMN）方法进行语音增强， 去除噪声影响；特征提取部分在已有 Mel 频率倒谱系数（MFCC）基础上加上谱动态特征， 即一阶和二阶 MFCC，得到的特征较传统 MFCC 在噪声环境下具备更高的鲁棒性。并使用 863 语音库和噪