第十三讲语音信号处理第10.4~10.5章讲述.pptVIP

回顾 10.3应用DTW的说话人确认系统 10.4应用VQ的说话人识别系统 10.5应用HMM的说话人识别系统 10.1 概述 自动说话人识别（Automatic Speaker Recognition 简称ASR），又称为话者识别或声纹识别，是一种自动识别说话人的过程。说话人识别和语音识别的区别在于，它不注重包含在语音信号内的文字符号以及语意内容信息，而是着眼于包含在语音信号中的个人特征，提取说话人的这些个人信息特征，以达到识别说别说话人的目的。 按其最终完成的任务可以分为两类： * 自动说话人确认（ Automatic Speaker Verification，简称ASV）：确认一个人的身份，只涉及一个特定的参考模型和待识别模式之间的比较，只做“是”和“不是”的判决。 * 自动说话人辨认(Automatic Speaker Identification,简称ASI)：必须辨认出待识别的语音是来自待考察人中的哪一个，有时还要对这个人以外的语音做出拒绝的判决。 10.2 说话人识别方法和系统结构 说话人识别就是从说话人的一段语音中提取出说话人的个性特征，通过对这些个人特征的分析和识别，从而达到对说话人进行辨认或者确认的目的。图10-1是说话人识别系统的结构框图，它由预处理、特征提取、模式匹配和判决等几大部分组成。 10.2.5说话人识别中判别方法和阈值的选择 加快系统响应的判别分法：多门限判决、预分类技术。 说话人确认系统的阈值选择：确认错误由误拒率（False Rejection, FR）和误受率（False Acceptance, FA）表示。判决门限一般由FR和FA的相等点附近来确定。 10.2.6说话人识别系统的评价 一个说话人识别系统的好坏是由 许多因素决定的。其中主要有正确 识别率（或出错率）、训练时间的 长短、识别时间、对参考参量存储 量的要求、使用者适用的方便程度 等，实用中还有价格因素。图10.3 表示了说话人辨别与说话人确认系 统性能与用户数的关系。 10.3应用DTW的说话人确认系统 一个应用DTW说话人识别系统如图10-4所示。它采用的识别特征是BPFG（附听觉特征处理），匹配时采用DTW技术。 10.4应用VQ的说话人识别系统 目前自动说话人识别的方法主要是基于参数模型的HMM的方法和基于非参数模型的VQ的方法。应用VQ的说话人识别系统如图10-5所示。 应用VQ的说话人识别过程的步骤如下： 训练过程 从训练语音提取特征矢量，得到特征矢量集； 通过LBG算法生成码本； 重复训练修正优化码本； 存储码本 识别过程 从测试语音提取特征矢量序列 由每个模板依次对特征矢量序列进行矢量量化，计算各自的平均量化误差： 式中 是第i个码本中第l个码本矢量，而 是待测矢量 和码矢量 之间的距离 选择平均量化误差最小的码本所对应的说话人作为系统识别结果。 10.5应用HMM的说话人识别系统 10.5.1 基于HMM的与文本有关的说话人识别 基于HMM的与文本有关的说话人识别系统的结构如图10-6所示。 10.5.2基于HMM的与文本无关的说话人识别 10.5.3基于HMM的指定文本型说话人识别 指定文本型说话人识别系统的基本构造如图10-7所示。 文本内容不确定，一般采用各态历经HMM建立说话人模型。 10.5.4说话人识别HMM的学习方法 10.5.5鲁棒的HMM说话人识别技术 利用少量的登录说话人学习数据的学习方法；利用非特定人语音HMM和登录说话人学习数据的学习方法。 对于由信号传输信道、滤波器等引起的识别率下降，通过倒谱均值正规化法可以得到改善；由声道特征、发音方式的时间变动等引起的识别率下降，可以通过似然度正规化法加以改善。 10.6应用GMM的说话人识别系统 混合高斯分布模型是只有一个状态的模型，在这个状态里具有多个高斯分布函数 10.6.1GMM模型的基本概念 高斯混合模型（GMM）可以看做一种状态数为1的连续分布隐马尔科夫模型CDHMM。一个M阶混合高斯模型的概率密度函数是由M个高斯概率密度函数加权求和得到，所示如下： 其中 是一个D维随即向量， 是子分布， ，是混合权重。 每个子分布是D维的联合高斯概率分布，可表示为： 其中 是均值向量， 是协方差矩阵，混合权重