资源描述：
《改进的em算法在说话人识别中的应用》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29卷第3期辽宁工业大学学报(自然科学版)Vol.29,No.32009年6月JournalofLiaoningUniversityofTechnology(NaturalScienceEdition)Jun2009改进的EM算法在说话人识别中的应用1112彭培福，李树有，姬永刚，李鹏（1.辽宁工业大学数理科学系，辽宁锦州121001;2.辽宁工业大学电子与信息工程学院，辽宁锦州121001）摘要：针对说话人识别的GMM模型中参数估计问题，提出了改进的EM算法，利用算法通过对说话人识别系统的实
2、验数据的计算，验证了该算法能提高说话人识别系统的识别率。关键词：高斯混和模型；说话人识别；EM算法中图分类号：O14文献标识码：A文章编号：1674-3261(2009)03-0204-04ApplicationofModifiedEMAlgorithmtoSpeakers’Recognition1112PENGPei-fu，LIShu-you，JIYong-gang，LIPeng(1.Dept.ofMathematics&Physics,LiaoningUniversityofTechnolo
3、gy,Jinzhou121001,China;2.Electron&InformationEngineeringCollege,LiaoningUniversityofTechnology,Jinzhou121001,China）Keywords:GaussMixtureModel(GMM)；speakerrecognition；EMalgorithmAbstract:ThemodifiedEMalgorithmforestimatingparametersintheGMMmodelonspea
4、kers’recognitionwasproposed.WiththemodifiedEMalgorithmandthetestingdatafromspeakers’recognition,thisalgorithmwasverifiedtohaveimprovedtherecognitionrateinthesystemconcerned.在模式识别中，语音是正常人的自然属性，也是每个人区别他人的特征，说话人识别着眼于提取分离[1~3]包含在语音信号中的个人特征，以达到识别说话人的目的。语音
5、识别按语音输入方式来区分，可以分为说话人语音识别和文本相关识别，前者不规定说话人内容，即真正意义上的语音识别；后者是规定说话内容的文本识别。对于说话识别，常用高斯混合模型（GaussianMixtureModel,GMM）来建立识别模型，GMM模型以多个正态分布逼近语音信号的实际统计分布，并运用Bayes分类器进行识别，这一模型通过EM算法较好地解决语音信号统计分布特征的估计问题，而且分类器简单易设计，本文主要研究了通过构造新的EM算法，给出模型参数的估计算法，利用算法通过对说话人识别系统的实验
6、数据的计算，验证了该算法能提高说话人识别系统的识别率。1基于EM算法的GMM模型说话人辩识系统GMM可以看成是一种状态为1的连续分布隐马尔科夫模型（CDHMM），对于一组长度为n的训练矢l量序列，x={xx,,...,x}，GMM的似然函数可表为：12nlnlpx(/)ψ=∏px(/)tψt=1对语音用美尔倒谱系数（LPCMCC）估计在t时间内提取n幅语帧，每帧由p个数组成，把它按列排序，收稿日期：2008-08-22基金项目：辽宁省教育厅资助项目（20060409）作者简介：彭培福(1975-
7、)，男，湖南岳阳人，硕士生。李树有(1964-)，男，辽宁锦州人，博士，教授。第3期彭培福等：改进的EM算法在说话人识别中的应用205m再把这n幅语帧按顺序分成m组，每组nl个，其中l=1,2,…,m，即nn=∑l，则每个具体数据可表示为l=1wi(===1,...,;pj1,...,;nl1,...,)m，在第l段内，把n帧的p×n个元素用矩阵表示出来就是每n幅语帧ijlllll由LPCMCC提取的特征值。一个m阶的GMM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：mPx(/)ψ=
8、∑πiitfx()i=1其中：x是n维的随机列向量；f()x,i=1,2,…,m是m个子分布，每个子分布是n维的联合高斯概率分布；titπi=1,2,…,m是混合权重。于是有：i11⎧T1−fxit()=−n/21/2exp⎨(xt−µi)Σit(x−µi)}(1)(2)π
9、Σi
10、⎩2其中：µ:i=1,2,…,m是均值列向量；Σ:i=1,2,…,m是协方差矩阵；x看成向量；混合权重满足以下条件：iitm∑πi=1，完整的GMM模型由参数均值向量,协方差矩阵和混合权重唯一决定，表示成参数空间为：i
