基于改进高斯混合模型说话人识别方法的研究

《基于改进高斯混合模型说话人识别方法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、l

2、III141IIUlIIIIIIIl东南大学学位论文独创性声。，y2187266本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。研究生签名：东南大学学位论文使用授权声明东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和

3、电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布(包括刊登)论文的全部或部分内容。论文的公布(包括刊登)授权东南大学研究生院办理。研究生签名：摘要基于改进高斯混合模型的说话人识别方法的研究东南大学信息科学与工程学院说话人识别是一种利用语音信号来验证说话人身份的技术，与人脸识别，指纹识别，同属于生物特征识别的范畴。说话人识别可广泛的应用于金融，通信，安全等领域。高斯混合模型是目前主流的说话人识别技术，目前高斯混合

4、模型的参数估计方法主要是基于极大似然估计的EM算法。EM算法简单稳定，但对初始值较敏感，而且EM算法中无法实现自适应的参数选择，即采用EM算法的高斯混合模型的高斯密度函数的个数是给定的，必须依赖于先验专业知识进行选择，带有一定的主观性。对于第一个问题，本文将蒙特卡罗过程中的吉布斯抽样算法引入高斯混合模型中的参数估计当中，避免了EM算法中的初始值敏感问题，同时使参数的收敛更快，从而提高了说话人识别系统的性能。对于第二个问题，本文提出了一种无限高斯混合模型。理论上高斯混合模型是由无限个高斯密度函数组成的，高斯密度函

5、数是否能够显现取决于是否存在由其产生的观测值。推导过程本身使用狄力克雷过程构造无限混合模型，通过蒙特卡罗过程中吉布斯抽样的方法来估计模型参数。实验证明，无限高斯混合模型能够有效的提高说话人识别系统的辨识率。噪声和干扰一直是影响识别率提高的原因，大多数研究工作集中在模型的前端处理，在说话人识别后端处理方面研究不多。本文提出了一种新的非线性变换方法一归一化变换，该方法对帧似然概率进行变换从而得到帧得分，将前N帧得分进行平均，作为当前帧得分的权值。实验表明，归一化指数变换能够提高识别率，也就是说对说话人识别系统的后端

6、进行处理也能够提高系统性能。关键词：说话人识别，高斯混合模型，蒙卡特罗过程，吉布斯抽样，后端处理AbstractABSTRACTImprovementofText·independentSpeakerRecognitionAlgo—rithmBasedonGaussianMixtureModelDepartmentofRadioEngineeringSoutheastUniversitySpeakerrecognitionisatechnologyusingvoicesignaltOdeterminetheid

7、enti-够．Tllesametofacerecognition，fingerprintrecognirion，speakerrecognitionbelongstothesamebiometricfiled．SpeakerRecognitionscarlbewidelyusedinfinance．communications，safetylampfields．GaussianmixturemodeliSthemainmethodusedinspeakerrecognitiontechn01．ogy．Recen

8、tlyGaussianmixturemodelparametersestimationmethodiSmainlybasedonmaximumlikelihoodestimarionalgorithmwhichiSnamedEMalgorithm．EMa1．gorithmiSsimpleandstable，butsensitivetoinitialvalues，andthenumberofpa—rametersCan’tbeadaptivedetermined，thatiStosay,usingtheEMalg

9、orithmforGaussianmixturemodel．thenumberofGaussiandensityfunctioniSfixedinadvancemainlybyprioriknowledge，withacertaindegreeofsubjectivityunadvoidable．Toresolvethefirstquestion，MonteCarloMarkovC：h