资源描述：
《鲁棒性话者辨识中的一种改进的马尔科夫模型》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第1期电子学报Vol.30No.12002年1月ACTAELECTRONICASINICAJan.2002鲁棒性话者辨识中的一种改进的马尔科夫模型刘鸣,戴蓓倩,李辉,陆伟,李霄寒(中国科学技术大学电子科学与技术系,安徽合肥230026)摘要:为了提高话者识别系统的噪声鲁棒性,本文对CHMM进行了改进,将每帧特征参数之间的差分参数来对应状态之间的转移,从而使帧间信息在模型中得到了体现.利用改进后的CHMM模型对不同的特征参数携带的信息进行信息融合.使得在强噪环境下,鲁棒性好的特征参数起主导作用,而在噪声比较小的环境下,精细
2、度高的特征参数起主导作用.实验证明,这种改进的马尔可夫模型明显提高语音识别系统的鲁棒性能,这种技术具有良好的发展和应用前景.关键词:连续隐马尔可夫模型;信息融合;鲁棒性;话者识别中图分类号:TN912134文献标识码:A文章编号:037222112(2002)0120046203AnImprovedHMMforRobustSpeakerRecognitionLIUMing,DAIBei2qian,LIHui,LUWei,LIXiao2han(Dept.ofElectronicScience&Technology,Univ
3、ersityofScience&TechnologyofChina,Hefei,Anhui230026,China)Abstract:AmodifiedCHMMmodelisproposedtoimprovetherobustnessofthespeakerrecognitionsystem.Inthemodifiedmodel,thedifferenceofthespeechfeatureparameterwastheobservedvectorsofthestate2transitionsofCHMM.Because
4、ofthemodifi2cation,thedependencebetweenframeswasusedinthemodifiedCHMM.Bythefusionofdifferentfeatures,therobustfeaturewilldominateunderthenoisyenvironmentandthedelicatefeaturewilldominateundercleanenvironment.TheexperimentsindicatethatthemodifiedCHMMhaveeffectivel
5、yimprovedtherobustnessofthespeakerrecognitionsystem.Keywords:CHMM;informationfusion;robustness;speakerrecognition1引言对此,本文提出了一种改进的CHMM(连续隐马尔科夫模型),提高语音识别系统的鲁棒性是语音识别技术走向实用的在这一改进的模型中,我们用特征参数的差分矢量来约束状关键问题,因而如何提高系统的鲁棒性正成为语音识别的研态间的转移,即A修正矩阵,使得A矩阵具有动态特性.从另究热点.语音识别系统的鲁棒性主
6、要包括对环境的鲁棒性和一角度看,是利用状态和状态转移弧来综合特征参数和差分对说话人的鲁棒性两个方面,本文主要针对第一类鲁棒性进型特征参数的信息,使得他们之间的权重能随着噪声的变化行了一定的研究.语音识别系统的环境鲁棒性的实质是:当实而自适应地调整.际应用环境与系统的训练环境失配时,语音识别系统的性能2MFCC和ΔMFCC的抗噪性比较会显著下降.目前,鲁棒性语音识别通常是将多种特征参数结合起来MFCC参数是目前应用最为广泛的特征参数.其特点是,使用,例如,将MFCC特征参数和它的差分型特征参数在高信噪比的条件下,MFCC特
7、征参数具有很好的识别率,但(ΔMFCC)构成一个大的特征矢量.模型一般都使用各种类型在信噪比低的时候,识别性能很差.而ΔMFCC参数则在低信的HMM模型,因为HMM模型能较好地刻画语音信号中的时噪比时,能有较好的识别率,但在高信噪比时识别率不如序信息.但是HMM也有它的不足之处,例如,它认为各帧矢MFCC.目前鲁棒性话者识别中,一般是将MFCC和ΔMFCC两量之间是独立同分布的,这就与实际情况不符,另外,在描述种参数构成一个大的特征参数,我们用MFCC(18)和ΔMFCC(18)构成一个大特征参数MFCC+ΔMFCC(3
8、6),模型级采用HMM模型的参数λ=(π,A,B)中,A矩阵是各状态之间的转移概率矩阵,它在HMM模型中被看成静态的,但我们认为随CHMM来进行与文本有关的话者辨识实验.结果如图1所示,着模型在一个状态上停留时间的增加,模型应该更倾向于向可以看出,这种组合的特征参数的性能是组成它的两种参数后面的状态跳转而不是继续停留
