基于稀疏表示的短語音說話人識別.pdf

1、說話人識別技術(shù)是指利用說話人的語音特征來辨別他們的身份，屬于生物認(rèn)證技術(shù)的范疇，廣泛應(yīng)用于司法鑒定、互聯(lián)網(wǎng)安全，軍事國防等領(lǐng)域。說話人識別技術(shù)在實用化過程中還存在諸多問題，其中短語音條件下的訓(xùn)練識別問題受到人們廣泛關(guān)注。
　　當(dāng)語音數(shù)據(jù)充足時，現(xiàn)有說話人識別方法已經(jīng)取得良好的識別效果，但是當(dāng)語音數(shù)據(jù)有限，特別是訓(xùn)練和識別語音長度都在10s左右，系統(tǒng)識別性能明顯下降。這是因為主流的說話人識別方法大多基于概率統(tǒng)計模型，而這種模型訓(xùn)練需

2、要大量的語音數(shù)據(jù)。本文主要針對說話人識別的短語音問題，從識別模型出發(fā)展開研究，本文的主要工作包括：
　　1.通過分析稀疏表示的分類原理以及處理有限數(shù)據(jù)的能力，將稀疏表示理論引入短語音說話人識別。首先，尋求待測語音在訓(xùn)練語音構(gòu)成的稀疏字典上的最稀疏的線性表示，然后利用表示系數(shù)重構(gòu)原始信號，根據(jù)重構(gòu)的殘差進(jìn)行分類。接著介紹主流的l1范數(shù)最小化算法，通過實驗估計其識別性能。
　　2.針對稀疏編碼模型對編碼殘余的高斯分布假設(shè)，分析在

3、實際環(huán)境中，這種假設(shè)不能有效地描述重構(gòu)殘差。本文引入穩(wěn)健回歸思想，放寬對重構(gòu)殘差的分布約束，通過假設(shè)重構(gòu)殘差和表示系數(shù)獨立同分布，將稀疏編碼問題轉(zhuǎn)化為稀疏約束下的穩(wěn)健回歸問題，我們稱其為穩(wěn)健稀疏表示模型。實驗表明該方法能夠更加有效地估計重構(gòu)殘差，提高了系統(tǒng)的魯棒性和識別性能，最佳識別率可達(dá)99.31％。
　　3.深入研究稀疏表示分類器的工作機(jī)制，經(jīng)過分析得出在識別任務(wù)中做出貢獻(xiàn)的除了稀疏性約束，還有利用所有訓(xùn)練樣本聯(lián)合表示測試樣本