资源描述：
《lpc倒谱参数的说话人特征分析》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26卷第6期南京航空航天大学学报Vol.26No.6JournalofNanjingUniversityofAeronauties乙AstronaL:tiesee.19941994年12月DLPC倒谱参数的说话人特征分析叶明顾利民,(南京航空航天大学电子工程系南京210016),搞要通过对多个说话人与文本无关的发音材料进行统计分析比较了LPC倒谱的不同分量。对说话人特征区分所作的贡献,研究了LPC倒谱所体现的说话人共性及个性特征同时使用了er、、、、,Fish判据最近邻错误率超球错误率类内类间平均距离等量度方法从不同角度探讨了,、LPC倒谱参数的说话人统计特征并考查了它在正交变换最
2、大可分变换下的变化及以不同距。离作为测量手段所产生的不同效果这些工作是对LPC倒谱参数用于说话人识别内在结构的进,,一步认识对有选择地使用有效的说话人区分信息提高说话人识别系统的性能和识别方案,。的实时性无疑会有重要的参考价值:;;,关键词语言处理语音信号处理语音分析说话人识别中图分类号:TNgl2.3己l雀旨J二J,二说话人识别是计算机语音识别的一个重要分支它在社会生产和日常生活的各个方面。:;;。有着广泛的用途如犯罪录音的查对银行兑现的电话确认专用保密机关的身份证实等人类的语言包括了语义内容和说话人特征两方面的信息。在说话人识别中所关心的是语音的说话人个性特征。因此尽管在基本机理
3、和方法上它与侧重说话内容的语音识别相似,但仍有其特点。,‘(l)发音材料是按说话人划分的即特征参数的空间界限应按说话人来分割,、(2)需使用突出说话人个性的区别特征即寻找性别发音器官的生理构造和惯用语等方面的差异在参数特性上的反应。。(3)研究能反映这些说话人特征差异的有效距离量度,本文选择了能较好反映说话人声道特性的LPC倒谱特征川对多个说话人与文本无关,的话音进行了分析并利用该参数在特征空间的分布情况研究了其不同分量所表征的说话人个性特点。同时通过对特征参数进行解相关和空间伸缩的线性变换,使它在特征空间的分,4。〔卜〕布结构发生变化有益于突出说话人的个性差异:一一:一一收稿日期1
4、9930629;修改稿收到日期19931011南京航空航天大学学报第26卷1LPC倒谱的原理,、依据语音信号产生的生理和数学模型可知语音信号是音源激励分量与声道冲激响应辐射模型三者相卷积的产物。因此通过语音信号的倒谱分析可有效地分离激励成分与声道成分。5。,〔〕计算语音信号的倒谱通常有两种方法其一是先对语音信号进行短时付里叶变换取,,。。其模的对数值再进行反变换得其倒谱声道信息可通过低时窗取出,,:其二是依据AR模型对LPC参数进行递推形成LPC倒谱它的递推式如下c(all)=(l)c(n)一(na;·cna。n{习l一k/)(一k)+(l<成户)a,,,a,。‘,n,,,式中⋯为P
5、阶LPC特征向量(n)一1⋯P为倒谱的前P个值当其取值(8一32)时一般可较好地表征声道特性。2说话人参数特征的统计分析,。同一在选择参数进行说话人识别时其理想的量度方法是择其识别差错最小者说话人,的不同语音参数可视为集中于多维状态空间某一区域的点集它的分布可用一实维概率密;,,度来表征而不同人的参数分布位于特征空间的不同位置其分布区域重叠愈小它的区分。,。特性愈优本节中使用以下几种分析方法从不同角度对参数在空间的分布进行了描述.:1Fiser[6]2h比用于标盘参数的特征评价么‘说话人参数均值的方差<(从一万)>‘,a.(2)一<(式一‘z‘每个说话人参数方差的均值产)>:x护ia
6、;式中表示第个说话人的第次语音段参数<·>、;表示对所有说话人进行平均<·>。表示对某一话者的不同语音段进行平均。。。,‘。则从一<端>且不一<片>s,,Fiher比定义式的分子针对不同话者它反映了不同话者特征参数分布的离散程度而分母体现了同一话者特征参数的散度。因此其值越大,参数或矢量的某维分量的区别特性越好。2.2最近邻分类错误,,若把每个人的参数特征向量在空间的分布区域视为一类其均值为它的聚类中心则不。:同话者的均值构成了不同类的中心把所有话者的参数向量围绕这些中心作最近邻分类:第6期叶明等LPc倒谱参数的说话人特征分析,,,,,,,x(i),。若d(x(i)从)簇d(x(i)
7、从)任意j~12⋯N则任“即正确分类,“,,“,,,“,c,,。反之若J(xMi)
