基于改進(jìn)高斯混合模型的說話人識別方法研究.pdf

1、說話人識別是一種利用語音信號來驗證說話人身份的技術(shù)，與人臉識別，指紋識別，同屬于生物特征識別的范疇。說話人識別可廣泛的應(yīng)用于金融，通信，安全等領(lǐng)域。
　　 高斯混合模型是目前主流的說話人識別技術(shù)，目前高斯混合模型的參數(shù)估計方法主要是基于極大似然估計的EM算法。EM算法簡單穩(wěn)定，但對初始值較敏感，而且EM算法中無法實現(xiàn)自適應(yīng)的參數(shù)選擇，即采用EM算法的高斯混合模型的高斯密度函數(shù)的個數(shù)是給定的，必須依賴于先驗專業(yè)知識進(jìn)行選擇，帶有一

2、定的主觀性。
　　 對于第一個問題，本文將蒙特卡羅過程中的吉布斯抽樣算法引入高斯混合模型中的參數(shù)估計當(dāng)中，避免了EM算法中的初始值敏感問題，同時使參數(shù)的收斂更快，從而提高了說話人識別系統(tǒng)的性能。
　　 對于第二個問題，本文提出了一種無限高斯混合模型。理論上高斯混合模型是由無限個高斯密度函數(shù)組成的，高斯密度函數(shù)是否能夠顯現(xiàn)取決于是否存在由其產(chǎn)生的觀測值。推導(dǎo)過程本身使用狄力克雷過程構(gòu)造無限混合模型，通過蒙特卡羅過程中吉布斯

3、抽樣的方法來估計模型參數(shù)。實驗證明，無限高斯混合模型能夠有效的提高說話人識別系統(tǒng)的辨識率。
　　 噪聲和干擾一直是影響識別率提高的原因，大多數(shù)研究工作集中在模型的前端處理，在說話人識別后端處理方面研究不多。本文提出了一種新的非線性變換方法——歸一化變換，該方法對幀似然概率進(jìn)行變換從而得到幀得分，將前N幀得分進(jìn)行平均，作為當(dāng)前幀得分的權(quán)值。實驗表明，歸一化指數(shù)變換能夠提高識別率，也就是說對說話人識別系統(tǒng)的后端進(jìn)行處理也能夠提高系統(tǒng)