基于因子分析的说话人分离技术研究

《基于因子分析的说话人分离技术研究》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、ｗ－叫馈减；夺因若来大赛ＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｏｆＣｈｉｎａｇｙ硕±学位论文美－纖Ｘ＾ｃｅａｎｄ／咬供占＇论文题目基子因子分折的化巧人分壽技术研堯作者姓名＾电路与余统学科专业李辉苗ｊ教援导以巧姓名二〇…六■年六？月完成时间牛逸种《我术夫緣硕±学位论文卷基于因子分析的说话人分离技术研究作者姓名；李锐学科专业：电路与系统导师姓名：李辉副教授—完成时间：二〇六年五月八日Ｕｎｉｖｅｒ

2、ｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙｏｆＣｈｉｎａ一Ａ’ｄｉｓｓｅｒｔａｔｉｏｎｆｏｒｍａｓｔｅｒｓｄｅｒｅｅｇ？ＴｈｅＳｔｕｄｏｆＳｐｅａｋｅｒＤｉａｒｉｚａｔｉｏｎｙＢａｓｅｄｏｎＦａｃｔｏｒａｎａｌｓｉｓｙ’Ａｕ化ｏｒｓＮａｍｅ：ＲｕｉＬｉＳｐｅｃｉａｌｉｔ：ＣｉｒｃｕｉｔｓａｎｄＳｙｓｔｅｍｓｙＳｕｅｒｖｉｓｏｒＡｓｓｏｃｉａｔｅＰｒｏｆ．ＨｕｉＬｉｐ：化Ｆｉｎｉｓｈｅｄｔｉｍｅ：Ｍａ８，２０１６ｙ中国科学技术大

3、学学位论文原创性声明本人声明所呈交的学位论文，是本人在导师指导下进行研究工作所取得的成果。除己特别加Ｗ标注和致谢的地方外，论文中不包含任何他人己经发表或一撰写过的研究成果。与我同工作的同志对本研究所做的贡献均已在论文中作了明确的说明。＞＇备作者签名：冰签字日期：中国科学技术大学学位论文授权使用声明一作为申请学位的条件之，学位论文著作权拥有者授权中国科学技术大学拥有学位论文的部分使用权，目Ｐ；学校有权按有关规定向国家有关部口或机构送交论文的复印件和电子版，，允许论文被查阅和借阅可Ｗ将学位论文编入《中

4、国学位论文全文数据库》等有关数据库进行检索，可Ｗ采用影印、缩印或扫描等复制手段保存。本人提交的电子文档的内容和纸质论文的内、汇编学位论文容相一致。保密的学位论文在解密后也遵守此规定。５□保密（年）１＾＿＿＾ｙ２：作者签名：导师签名勺签字日期：Ｌｙ心、。三签字日期：．以７！摘要巧要高速发展的计算机水平和音频处理技术，使得人们对于从海量数据中获取一到感兴趣的人声，，越来越有需求。另方面如何对获取到的各类音频进行合一大挑战，，理有效的管理，也是目前存在的。在此背景下为了满足上述需要一

5、过程说话人分离这：说话人分割和说话关键技术应运而生，其主要涉及两个人聚类。说话人分离系统几乎无任何可供参考的先验信息使用，容易受环境或者建模方法的影响，使得分割和聚类时说话人片段的类纯度得不到保证，基。另外一一直的向上传递于距离准则的层次聚类方式旦出现聚类误差，会。因此本文主要在说话人分割和聚类的建模方法Ｗ及类别提纯上展开了探索和研究，主要工作和创新点如下：一第，说话人分离前端语音端点检测ＶｏｉｃｅＡｃｔｉｖｉ巧Ｄｅｔｅｃｔｉｏｎ，ＶＡＤ）和（类别提纯方面的研究。针对基线系统中存在的低能量语音难Ｗ召回

6、及噪声难Ｗ去除的情形，引入了深度学习的方法，在分离前端进行改进。针对层次聚类时出现聚类误差向上传递的情况，提出了基于贝叶斯信息准则（ＢａｙｅｓｉａｎＩｎｆｏｒｍａｔｉｏｎ知ｔｅｒｉｏｎＢＩＣ）的短时类别提纯方法差，，削弱由层次聚类带来的误向上传递的影响。实验结果表明，基于深度学习的语音端点检测，能有效的降，，且基于短时Ｂ低说话人分离时的虚警和漏警并且降低说话人分离错误率ＩＣ类别提纯的方法，能更新部分聚类错误的说话人片段，提高后续说话人聚类的类纯度。第Ｉ：：，说话人转折点检测建模方法的研究。探索了基于深度

7、神经网络（ＤｅｅｐＮｅｕｒａｌＮｅｔｗｏｒｋ，ＤＮＮ）的建模方法在说话人转折点检测中的应用，利用其强大的模型表达能力，提高说话人分割的准确性，这。实验结果表明种基于深度学习的转折点检测建模方法相比于传统的ＢＩＣ建模方法，无论是在转折点检测，ｉａｒｉｚａｔｉｏｎＥｒｒｏｒＲａｔｅ，Ｄ化）的准确率和召回率还是对整个系统的分离错误率（Ｄ来说一，都获得了定的效果提升。第Ｈ，说话人聚类时的因子分析建模方法研究。传统的Ｗ贝叶斯信息准则作为相似性度量的说话人分离技术，在短时对话的分离任务中能取得较好的效果，但

8、是随着对话时长的增加，ＢＩＣ的单高斯模型不足Ｗ描化不同说话人数据的分布，且层次聚类时区分相同说话人和不同说话人的口限值难划定。针对此问题，本文尝试基于短时ＢＩＣ和长时概率线性判别分析（Ｐｒｏｂａｂｉ