基于添加小样本特征VQ算法的说话人识别.pdfVIP

大 庆 石 油 学 院 学 报 第 33卷 第4期 2009年 8月 JOURNALOFDAQINGPETROLEUM INSTITUTE Vo1．33 No．4 Aug． 2009 基于添加小样本特征 VQ算法的说话人识别 刘祥楼 ，余 洋 ，姜继玉 ，李延菊 ，王剑峰。 (1．大庆石油学院 电子科学学院，黑龙江 大庆 163318； 2．大庆油 田电力集团 油田热电厂 ，黑龙江 大庆 163314 3．大庆油 田技术培训中心，黑龙江 大庆 163255) 摘 要 ：针对说话人识别采用 LBG算法训练码本进行矢量量化 (VQ)，对初始码书依赖性大 ，容易陷入局部最优而 忽略语音信号中的小样本特征等，提出一种添加小样本特征的VQ改进算法，采用PCC算法提取语音信号的小样本特征 码本 ，避免发生小特征样本被忽略及由小特征样本聚类产生空胞腔的情况．实验表明，该算法的识别率可达99．5oN． 关 键 词：说话人识别 ；矢量量化 ；小样本特征码本 ；PCC算法 中图分类号：TP391 文献标识码 ：A 文章编号 ：1000—1891(2009)04—0092一O4 0 引言 说话人识别口 是根据语音波形 中反映说话人生理和行为特征的语音参数来识别说话人的身份．由 于语音是人的固有特征，不会轻易丢失或遗忘，且便于采集，系统设备成本低廉 ，所以说话人识别技术应用 前景广阔．作为说话人识别的核心技术——语音特征提取[3 方法较多，应用较为普遍的说话人识别算 法有动态时间规整方法 (DTW)、矢量量化方法 (VQ)、隐马尔可夫模型方法 (HMM)、高期混合模型 (GMM)、人工神经网络方法 (ANN)、支持向量机方法 (sVM)等．在众多识别算法中，VQ分类特性较好 ， 模型数据量小 ，训练时间短 ，识别响应较快．为进一步提高识别率 ，笔者采用添加小样本特征对 VQ算法 进行改进． 1 基本原理 说话人识别是一个语音信 号模式识别问题，由训练和识 别2个过程完成．说话人识别 语 识别结果 系统结构见 图 1．提取说 话人 ；后处：二理：L‘ 特征的过程称为训练过程，首 L ．．．．．．．．．．．． 先将采集到的语音信号进行预 图 1 说话人识别系统结构 处理，然后提取 出该说话人的 语音特征进行训练建模 ，形成参考模板．识别过程是从待识语音 中提取特征与参考模板进行模式匹配 ，确 定说话人身份．使用 VQ算法建立模型的关键是码书设计嘲 ，码 书性能直接影 响说话人识别系统的识 别率． 2 传统 VQ算法 VQ是一种信源压缩编码技术 ，具有很好的分类特性．它是从 k维欧几里德空间R 到其一个有限子 集Y的映射Q，即Q：R cl，，y一 {Y。，Y 一，Y．r IY∈风 }，其 中y为码书 ，Y 为码字，J为码书的长度．对任 收稿 日期 ：2008—10—15；审稿人 ：李春生；编辑：郑丽芹 作者简介 ：刘祥楼(1963一)，男 ，硕士 ，教授 ，主要从事现代信号处理 、虚拟仪器方面的研究 · 92 · 第 4期 刘祥楼等：基于添加小样本特征 VQ算法的说话人识别 意训练矢量 XER ，d(x，Y)为训练矢量 与码字Y 之 间的失真度 ，定义为 d(xi,Yi)一去k1cz一 (1) 式 中：z ，。分别为训练矢量X 与码字 Y 的第 i个分量． 式 (1)若满足 d(x，Y)一 min [( ，Y)]， u≤ J 厂 l 则