资源描述：
《基于矢量量化方法的说话人识别技术new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第25卷第4期杭州电子科技大学学报Vol.25,No.42005年8月JournalofHangzhouDianziUniversityAug.2005基于矢量量化方法的说话人识别技术张一清,李轶(杭州电子科技大学自动化学院,浙江杭州310018)摘要:说话人识别是一项通过语音来识别说话人身份的技术,它在保安、司法、军事、财经和信息服务等领域都具有广泛的应用前景。该文采用线性预测倒谱系数和美尔倒谱系数特征相结合,基于矢量量化聚类方法建立了一个与文本无关的、连续语音发音的说话人识别系统。只要矢量量化聚类法码本大小选择合适,该说话人识别系统就可以获得较好
2、的识别效果。当阈值恰当选取时,该系统具备拒绝识别集外人的功能。关键词:矢量量化;说话人识别;线性预测倒谱系数;美尔倒谱系数中图分类号:TP914.32文献标识码:A文章编号:1001-9146(2005)04-0058-040引言近年来,在生物识别技术领域中,自动说话人识别技术以其独特的方便性、经济性和准确性等优势受到世人瞩目,并日益成为人们日常生活和工作中重要且普及的安全验证方式。说话人识别可分为说[1]话人辨认和说话人确认两类。本文采用目前普遍采用线性预测倒谱系数和美尔倒谱系数特征的,建立了一个VQ聚类方法、与文本无关的、连续语音发音的说话人识别
3、系统,取得了较好的说话人识别效果。1特征提取1.1线性预测倒谱系数LPCC参数的提取基于语音的线性预测分析,线性预测分析从人的发声机理入手,通过对声道的短管级联模型的研究,认为系统的传递函数符合全极点数字滤波器的形式,从而n时刻的信号可以用前若干时刻的信号的线性组合来估计。在获得滤波器的线性预测系数后,可以用一个递推公式得到其倒谱为:I-1kCi=αi+∑(1-)ci-kαki=1,2,⋯,P(1)K=1i式中α,i为线性预测系数,Ci为所求的LPCC参数,P是参数的个数。LPCC参数比较彻底地去掉了语音产生过程中的激励信息,主要反映声道特性,而且只
4、需10余个倒谱系数就能较好地描述语音的共振峰特性,计算量小;其缺点是对辅音的描述能力较差,抗噪声性能也[2]较弱。收稿日期:2005-07-08作者简介:张一清(1982-),女,浙江嘉兴人,本科毕业生,语音信号处理.第4期张一清等:基于矢量量化方法的说话人识别技术591.2美尔倒谱系数LPCC是通过对人的发声机理的研究而得到的,而MFCC则是基于人的听觉特性的而获得的特征参数,它利用人听觉的临界带效应,在语音频谱范围内设置若干个带通滤波器,每个滤波器具有3角形或正弦形滤波特性,然后将语音能量谱通过该滤波器组,求各个滤波器输出,对其取对数,并作离散余
5、弦变[3]换,即可得到MFCC系数。计算MFCC参数的具体步骤如图1所示。图1MFCC参数的提取2矢量量化聚类法矢量量化是与文本无关说话人识别系统常用方法之一,它在训练时分别对每个人的特征矢量样本集进行聚类,聚类中心作为码本;识别时计算待测样本集与各个码本的距离,然后按照一定的决策规则[4]进行辨识或确认。2.1用矢量量化聚类法生成码本综合各种聚类算法的优点和不足,应用一种新的聚类算法,它是在二元分裂算法基础上提出的一种分裂合并的聚类算法。步骤如下:(1)设特征矢量样本集为{si},i=0,⋯,(I-1),设定最大分裂次数M、每个聚类区域的最少样本数
6、目N、两聚类中心之间的最小距离L,设定畸变改进阈值T、最大迭代次数Q;(0)1(2)计算所有样本矢量的中心y0(0)=rsi,设定聚类中心数目初值J(0)=1,分裂次数m=1,迭Ii代次数q=0;(m)(m-1)(m)(m-1)(3)分裂聚类中心yj(0)=yj(q)(1+η),yj+J(m-1)(0)=yj(q)(1-η).其中聚类中心矢量序号j=0,⋯,J(m-1)η,一般取0.01,令J(m)=J(m-1)×2;(4)设定畸变初值D(0)=∞,令迭代次数q=1;(5)按最小距离原则将{si}分给J(m)个聚类中心,统计每个聚类中心包含{si}的
7、个数Jj(m),重新计J(m)(m)1(m)算聚类中心yj(q)=rsi,然后计算畸变,D(q)=∑∑d(si,yj(q));Jj(m)(m)(q-1)j=0(m)(q-1)s∈yx∈yijij(6)判断
8、D(q)-D(q-1)
9、N?若是,转9;若不是,删除yargmin(Jj(m)),其他标记为yj(0),令J(m)=jJ(m)-1,转(4);(9)判断m=M?若不是,则令m=m+1,转3,若是,则转到
10、(10);(m)(m)(10)判断minõd(ya,yb)」>L?,其中a,b=0,⋯,J(m),a≠b,若
