收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

网络环境下说话人识别关键技术研究

姜涛  
【摘要】:说话人识别目的在于使计算机具有通过语音辨别说话人身份的能力。作为生物特征识别关键技术之一,说话人识别技术在身份认证、人机交互、公共安全、信息安全、金融服务等领域具有广阔的应用前景。尤其是近年来,随着计算机网络的迅猛发展,互联网上大量出现的多媒体文件,其中蕴含着丰富的语音信息,这为说话人识别技术提供了新的应用空间。 在常规应用环境下,目前的说话人识别系统已经取得了理想的识别性能。但在网络环境下,其性能急剧下降。根本原因在于网络说话人识别的复杂性,具体表现在:(1)网络语音数据在内容上常常含有多个说话人的语音,而且语音和非语音混合在一起;在编码上多种编码方式并存且以压缩数据的形式封装在多媒体文件中。(2)集外数据量异常庞大,造成大量的误检。(3)数据可能经过多次转码压缩,同一音频数据可能存在多种音频编码的版本,造成训练与测试数据的编码失配,引起大量的漏检。(4)难以确保目标说话人有充足的训练语料,模型训练不充分,从而严重影响识别性能。本文主要研究网络环境下说话人识别的关键技术,为说话人识别技术在网络上的应用提供支撑。内容集中在网络说话人语音数据归一化方法、说话人聚类中的模型测度、极低错误接受率的说话人确认、说话人模型编码补偿及稀疏训练数据下的说话人建模等方面。主要研究内容包括: 1.提出网络说话人语音数据归一化方法。将网络多媒体数据流转换为仅含单一说话人的特征序列,是实现网络环境下说话人识别的基本前提。本文提出了一种网络说话人语音数据归一化方法,用于实现了这一目的。该模型的要点包括:(1)将网络多媒体下载数据包实时地解码为统一、非压缩格式音频数据;(2)对各声道数据进行鲁棒音频特征提取;(3)分段计算各声道间的相似度,去除多个声道的冗余信息;(4)将连续的音频流分割为一系列仅含单一音频内容的音频片段;(5)从音频分割结果中去除非语音片段,仅保留单一说话人语音片段。实验表明,该归一化方法能实时、高效地将网络多媒体下载数据流转换为单一说话人的特征序列。 2.提出用于说话人聚类的广义K-L测度。测试语音片段长度的增加可以提高系统性能。说话人识别系统需要用说话人聚类技术增加测试语音长度。聚类测度在提高聚类性能方面起着重要作用。然而对称K-L散度和广义似然比等已有测度,在语音片段长度差异较大时,性能会有所下降。针对这一问题,本文提出了用于说话人聚类的广义K-L测度。当音频片段模型为单高斯分布时,本文证明了广义K-L测度与已有聚类测度之间的关系;当音频片段模型为多高斯混合分布时,广义K-L测度没有闭式解,本文给出了一种计算量较小的上界计算方法。实验表明,当聚类片段长度差异较大时,广义K-L测度具有更好的性能。 3.提出极低错误接受率的说话人确认方法。数量巨大的集外数据将导致系统错误接受情况频繁发生。本文提出了一种极低错误接受率的说话人确认方法。该方法在经典的GMM-UBM说话人识别框架中添加一个确认判决环节,对识别结果进一步筛选。本文采用了三种筛选策略:加大分析粒度、提高模型的区分能力以及采用有区分性的新特征。实验表明,在大量网络多媒体测试数据情况下,确认判决环节能有效减少错误接受情况。 4.提出说话人模型编码补偿方法。多种编码格式的存在,将直接导致说话人识别系统的测试与训练环境不匹配,进而造成系统漏检情况频繁发生。本文提出了一种模型编码补偿方法,通过学习获得测试数据与训练数据特征分布之间的差异,并以此对模型进行编码补偿。实验表明,该方法能有效降低编码失配造成的漏检情况。 5.提出训练数据稀疏条件下的说话人建模方法。网络环境下训练数据时长较短,导致模型参数的训练不充分,进而引起系统性能下降。本文提出了一种基于移动因子的高斯混合模型补偿方法。该方法首先将模型自适应过程中的变化仿射到低维移动空间中,然后从受训练语音长度影响较小的模型分量中,学习代表模型整体变换规律的移动因子,最后依据该因子对受训练语音长度影响较大的分量进行参数补偿,以提升模型对说话人发音特性的刻画能力。本文对移动因子中的相关参数给出了相应的训练方法,同时研究了移动因子的特性。实验表明,在训练数据稀疏情况下,该方法能明显降低系统的等错误率。 本文对网络环境下说话人识别的若干关键问题进行了深入研究,并给出了有效的解决方法,对说话人识别技术在互联网这一复杂环境中的应用起到推动作用。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 马建,郭建东;说话人识别技术研究[J];福建电脑;2005年01期
2 林平澜;王仁华;;动态HMM及其在说话人识别中的应用[J];信号处理;1993年04期
3 周静芳,陈一宁,李科,刘加;基于高斯语音滤波的稳健文本无关说话人识别[J];计算机工程;2005年02期
4 邓浩江,王守觉,邢藏菊,李倩;基于聚类统计与文本无关的说话人识别研究[J];电路与系统学报;2001年03期
5 王炜,王炳锡,王波;信道补偿技术的发展及其在说话人识别上的应用[J];电声技术;2004年04期
6 余华,赵力,吴镇扬;基于FVQ的说话人识别系统的DSP实现[J];电声技术;2004年08期
7 廖贵成,罗文广;一种基于说话人识别技术的自动音量控制系统[J];桂林电子工业学院学报;2004年06期
8 韩雁,陈利华;说话人计算机识别系统的设计与实现[J];浙江大学学报(工学版);2001年02期
9 吴晓娟,韩先花,聂开宝;模糊C-均值(FCM)聚类法与矢量量化法相结合用于说话人识别[J];电子与信息学报;2002年06期
10 单进;;说话人识别技术研究[J];科技资讯;2010年21期
11 戴红霞,赵力;采用帧概率变换的与文本无关说话人识别系统的实现[J];电声技术;2004年09期
12 武妍,金明曦,王洪波;基于KL-小波包分析的文本无关的说话人识别[J];计算机工程与应用;2005年04期
13 刘雅琴,杜海明;基于矢量量化的说话人识别[J];洛阳师范学院学报;2005年05期
14 刘云冰;彭静;吴传菊;肖俊;祝彦成;;基于HMM的说话人识别[J];科技创业月刊;2007年04期
15 陈炜杰;姚明海;;PLAR在噪声环境下说话人识别中的应用[J];中国新通信;2008年09期
16 檀蕊莲;;基于VQ的说话人识别技术研究[J];信息技术;2010年08期
17 尉洪,周浩,杨鉴;基于矢量量化的组合参数法说话人识别[J];云南大学学报(自然科学版);2002年02期
18 张玲华,杨震,郑宝玉;基于HMM的说话人辨认系统及其改进[J];电讯技术;2003年06期
19 王吉林;利用矢量量化的说话人识别系统的研究[J];安徽工业大学学报(自然科学版);2005年03期
20 陆小珊,王俊法,田岚;音高特征在说话人识别中的可分性及应用研究[J];山东大学学报(工学版);2005年04期
中国重要会议论文全文数据库 前10条
1 李桂春;郑能恒;李霞;;基于模糊隶属值加权的MFCC特征提取算法[A];第七届和谐人机环境联合学术会议(HHME2011)论文集【poster】[C];2011年
2 司罗;胡起秀;金琴;;完全无监督的双人对话中的说话人分隔[A];第九届全国信号处理学术年会(CCSP-99)论文集[C];1999年
3 周昊朗;王岚;陈珂;;一个面向说话人识别的汉语语音数据库[A];第六届全国人机语音通讯学术会议论文集[C];2001年
4 周昊朗;王岚;吴玺宏;迟惠生;;一个面向说话人识别的汉语语音数据库[A];信号与信息处理技术——第一届信号与信息处理联合学术会议论文集[C];2002年
5 侯丽敏;谢娟敏;;共振峰瞬时频率特征用于说话人识别[A];第九届中国语音学学术会议论文集[C];2010年
6 周静芳;陈一宁;刘润生;;一种新的说话人识别信道补偿技术[A];第七届全国人机语音通讯学术会议(NCMMSC7)论文集[C];2003年
7 吴志强;陈珂;迟惠生;;语音识别技术与说话人识别技术的结合——文本无关说话人识别的另一种方法[A];第四届全国人机语音通讯学术会议论文集[C];1996年
8 卓群;欧贵文;;基于模糊高斯混合模型的说话人识别算法的一些改进[A];第六届全国人机语音通讯学术会议论文集[C];2001年
9 王宏;潘金贵;;基于矩阵正态分布的文本有关说话人识别[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集(上册)[C];2007年
10 罗海风;龙长才;;多话者环境下说话人辨识听觉线索研究[A];中国声学学会2009年青年学术会议[CYCA’09]论文集[C];2009年
中国博士学位论文全文数据库 前10条
1 姜涛;网络环境下说话人识别关键技术研究[D];哈尔滨工业大学;2011年
2 王尔玉;基于若干声纹信息空间的说话人识别技术研究[D];中国科学技术大学;2012年
3 单振宇;情感说话人识别及其解决方法的研究[D];浙江大学;2010年
4 黄挺;情感说话人识别中的基频失配及其补偿方法研究[D];浙江大学;2011年
5 蒋晔;基于短语音和信道变化的说话人识别研究[D];南京理工大学;2013年
6 李邵梅;文本无关短语音说话人识别技术研究[D];解放军信息工程大学;2011年
7 张冰;人类听觉信息处理机制的心理物理学研究[D];华中科技大学;2012年
8 李冬冬;基于拓展和聚类的情感鲁棒说话人识别研究[D];浙江大学;2008年
9 俞一彪;基于互信息理论的说话人识别研究[D];上海大学;2004年
10 孙俊;基于激励源及其韵律特征的源—目标说话人声音转换研究[D];中国科学技术大学;2006年
中国硕士学位论文全文数据库 前10条
1 张伟伟;说话人识别技术的研究[D];燕山大学;2010年
2 李伟娟;基于智能群体和盲源分离的说话人识别[D];兰州理工大学;2010年
3 王芳;说话人识别中一种特征参数的研究[D];安徽工业大学;2010年
4 傅庚申;说话人识别算法研究[D];大连理工大学;2005年
5 潘鹏;会议室环境下基于音频视频信息融合的多说话人识别[D];兰州理工大学;2011年
6 杨延龙;与文本无关的说话人识别的关键技术研究[D];西安电子科技大学;2010年
7 陈文翔;面向OPHONE手机的说话人识别技术移植研究[D];浙江大学;2011年
8 徐良军;基于语音信号时变特性的说话人识别[D];苏州大学;2010年
9 徐海华;说话人识别方法及其系统的应用开发研究[D];华中科技大学;2004年
10 陈强;基于GMM的说话人识别系统研究与实现[D];武汉理工大学;2010年
中国重要报纸全文数据库 前10条
1 吴长锋;科大讯飞勇夺说话人识别国际大赛第一[N];科技日报;2008年
2 汪永安;科大讯飞说话人识别技术世界领先[N];安徽日报;2008年
3 王朝选;科大讯飞语音识别技术取得重大进展[N];中国高新技术产业导报;2008年
4 见习记者 向南;科大讯飞语音识别技术国际领先[N];证券时报;2008年
5 新城;小声音 大前景[N];计算机世界;2006年
6 本报记者 王璐;科大讯飞:挖掘“说话”技术的商机[N];上海证券报;2008年
7 中科院自动化所生物特征认证与测评中心 白俊梅;听到的真实吗?[N];计算机世界;2003年
8 陈泰 记者 吴长锋;安徽隆起创新人才高地[N];科技日报;2009年
9 赵海霞;语音识别能否助科大讯飞实现腾飞之梦?[N];通信信息报;2008年
10 ;DTS-HDLBR智能音频编码技术广泛服务广电互联网[N];中国电子报;2005年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978