用于室内环境说话人识别的混响补偿方法-西北工业大学学报导航页.pdfVIP

２０１５年６月 西 北 工 业 大 学 学 报 Ｊｕｎｅ ２０１５ 第３３卷第３期 Ｊｏｕｒｎａｌ ｏｆ Ｎｏｒｔｈｗｅｓｔｅｒｎ Ｐｏｌｙｔｅｃｈｎｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ Ｖｏｌ．３３ Ｎｏ．３ 用于室内环境说话人识别的混响补偿方法 曾向阳，王强 （西北工业大学 航海学院，陕西 西安　 ７１００７２） 摘　 要：针对训练和识别环境不同而导致室内说话人识别系统识别率显著下降的问题，提出了一种基 于差异化特征提取的混响补偿方法。 与使用传统ＭＦＣＣ特征的识别阶段不同，该方法在训练阶段通 过Ｓｃｈｒｏｅｄｅｒ反向积分在ｍｅｌ频带获得房间声能量衰减曲线，并使用该曲线补偿纯净信号的ＭＦＣＣ特 征，以模拟实际室内混响场声信号特征；同时，通过联合应用相对谱滤波（ＲＡＳＴＡ）与倒谱均值规整 （ＣＭＮ）处理ＭＦＣＣ特征，进一步抑制房间通道效应对语音信号影响。 针对不同混响程度房间中实测 数据的识别结果表明，该方法可以显著提高识别率，具有良好的抑制混响作用。 关　 键　 词：协方差矩阵；能量衰减；实验；特征提取；识别控制系统；集成；混响；原理图；稳定 性；测试；倒谱均值规整；混响补偿方法下ＭＦＣＣ特征识别；ＭＦＣＣ特征提取；相对谱 滤波；混响补偿方法；混响模型；房间脉冲响应；Ｓｃｈｒｏｅｄｅｒ反向积分；说话人识别 中图分类号：ＴＰ３９１．４２　 　 　 文献标志码：Ａ　 　 　 文章编号：１０００⁃２７５８（２０１５）０３⁃０４２０⁃０６ 　 　 室内环境是说话人识别技术的典型应用环境。 效，运算量小，对数据量和识别模型都没有过多要 各种识别系统的训练数据一般在安静环境（如消声 求，因而这方面的应用较多。 在决策级处理时，一般 室）中采集，测试数据来自于实际房间。 由于墙壁 通过改进识别模型以抑制通道效应的影响，包括去 和各种反射体的存在，房间中声信号传播时会发生 ［１０］ 除通道分量的因子分析（ＦＡ） 、得分规整、使用大 吸收、反射及散射等复杂的声学现象，从而使训练与 ［１１］ 样本背景模型的ＧＭＭ⁃ＵＢＭ 等，这类方法往往使 ［１］ 测试模式失配 ，随着混响时间的增大，识别系统 用复杂的模型（如ＦＡ 中的多通道语音数据，ＧＭＭ⁃ ［２⁃３］ 的识别率显著下降 。 通常将引起这种现象的原 ＵＢＭ 中大规模的说话人数据库），在确定模型参数 因归结为室内混响的综合作用，因此如何补偿室内 时需要大量数据，运算量较大，在室内环境少量说话 混响导致的训练与识别条件失配的问题已成为语音 人识别 的应用 中代价太大。 在室 内环境 中， 和说话人识别领域研究的热点和难点之一。 ［２］ Ｃａｓｔｅｌｌａｎｏ等 通过数值计算模拟室内混响环境，在 现有抑制室内混响影响的研究主要将混响作为 训练阶段训练含有人工混响的语音以此匹配训练和 一种通道效应，因而采用抑制通道效应的算法去除， 识别不同通道的影响，指出了训练纯净语音时加入 具体可分为３个层次的方法：信号级、特征级及决策 混响以匹配识别通道的可行性。 但是由于不同室内 级的混响抑制方法。 信号级方法如从含混响信号中 环境对房间通道的影响因素太多（声源位置，传声 估计源信号及其频谱，去除混响在不同时间段对信 器位置，物理条件，房间大小等），无法对混响进行