小波變換與說(shuō)話(huà)人識(shí)別技術(shù)

摘要說(shuō)話(huà)人識(shí)別技術(shù)是根據(jù)待識(shí)別人的語(yǔ)音與預(yù)先提取的說(shuō)話(huà)人語(yǔ)音特征是否相匹配來(lái)鑒別說(shuō)話(huà)人身份的一種生物認(rèn)證技術(shù)，具有廣泛的應(yīng)用前景。本文重點(diǎn)研究了說(shuō)話(huà)人特征參數(shù)的提取問(wèn)題，在前人工作的基礎(chǔ)上，提出了在噪聲環(huán)境中更為有效的組合特征參數(shù)提取方法。

中圖分類(lèi)號(hào):TN91文獻(xiàn)標(biāo)識(shí)碼:A

0 引言

說(shuō)話(huà)人識(shí)別技術(shù)是根據(jù)待識(shí)別人的語(yǔ)音與預(yù)先提取的說(shuō)話(huà)人語(yǔ)音特征是否相匹配來(lái)鑒別說(shuō)話(huà)人身份的一種生物認(rèn)證技術(shù)。小波分析能同時(shí)在時(shí)、頻域中對(duì)信號(hào)進(jìn)行分析，有自動(dòng)變焦的功能，將小波技術(shù)應(yīng)用于說(shuō)話(huà)人識(shí)別對(duì)提高在噪聲環(huán)境下的說(shuō)話(huà)人識(shí)別率有很大的改進(jìn)。本文試圖在小波變換的基礎(chǔ)上尋找具有強(qiáng)抗噪性能的組合特征參數(shù)，以提高噪聲環(huán)境下系統(tǒng)的識(shí)別性能。

1 小波變換原理

如果函數(shù)，并且滿(mǎn)足允許性條件(完全重構(gòu)條件或恒等分辨條件):

公式(1)

則稱(chēng)(t)是一個(gè)基本小波或母小波(Mother Wavelet)，(t)定下來(lái)后，通過(guò)母函數(shù)的伸縮(Dilation)和平移(Translation)后得:

公式(2)

上式稱(chēng)為一個(gè)小波序列。其中a為伸縮因子，b為平移因子。

對(duì)于任意的函數(shù)f(t)在L2(R)上的連續(xù)小波變換定義為:

公式(3)

其重構(gòu)公式(逆變換)為:

公式(4)

連續(xù)小波變換主要用于理論分析方面，在實(shí)際運(yùn)用中，尤其是在計(jì)算機(jī)上實(shí)現(xiàn)，離散小波變換更適于計(jì)算機(jī)處理，因此，連續(xù)小波必須加以離散化。離散小波定義為:

公式(5)

離散化小波變換系數(shù)可表示為:

公式(6)

其重構(gòu)公式為:

公式(7)

其中，C是一個(gè)與信號(hào)無(wú)關(guān)的常數(shù)。

2 基于小波變換的組合特征提取

2.1 思路分析

目前，小波分析己經(jīng)成功地應(yīng)用于語(yǔ)音編碼、端點(diǎn)檢測(cè)、基音周期提取等方面，但在說(shuō)話(huà)人識(shí)別技術(shù)中，用小波分析來(lái)提取特征參數(shù)還處于研究階段。研究表明，直接小波系數(shù)作為特征參數(shù)，其識(shí)別率較低，但具有較好抗噪聲性能，因此難點(diǎn)主要在于如何把直接小波系數(shù)轉(zhuǎn)化為代表說(shuō)話(huà)人個(gè)性特征的參數(shù)。

2.2 改進(jìn)的組合特征參數(shù)提取方法

組合特征參數(shù)提取:

方案一:分別對(duì)低頻部分進(jìn)行m階的LPCC特征參數(shù)提取，對(duì)高頻部分進(jìn)行n階的△LPCC特征參數(shù)提取。

方案二:分別對(duì)低頻部分進(jìn)行m階的MFCC特征參數(shù)提取，對(duì)高頻部分進(jìn)行n階的△MFCC特征參數(shù)提取。

實(shí)驗(yàn)證明，文中LPCC和△LPCC的階數(shù)取12，MFCC和△MFCC的階數(shù)取16時(shí)識(shí)別效果較好。則此時(shí)特征參數(shù)空間維數(shù)為84。低頻部分特征參數(shù)的權(quán)重取1，高頻部分特征參數(shù)的權(quán)重取2。將以上提取的組合特征參數(shù)組成特征向量供DTW或VQ識(shí)別模型進(jìn)行識(shí)別。

3 改進(jìn)的組合特征參數(shù)說(shuō)話(huà)人辨認(rèn)實(shí)驗(yàn)

在相對(duì)安靜的教室環(huán)境下采集這40個(gè)說(shuō)話(huà)人的語(yǔ)音，每人念一段10秒鐘的報(bào)紙材料一作為系統(tǒng)模板的訓(xùn)練。再次采集這40個(gè)人的語(yǔ)音，測(cè)試樣本一的語(yǔ)音內(nèi)容為10秒鐘的報(bào)紙材料一，測(cè)試樣本二的語(yǔ)音內(nèi)容為10秒鐘的報(bào)紙材料二，材料一和材料二屬于不同的段落，內(nèi)容不同，漢字重復(fù)率隨機(jī)。

為了驗(yàn)證本文提出的組合特征參數(shù)的有效性，下面進(jìn)行兩組實(shí)驗(yàn):

實(shí)驗(yàn)A:進(jìn)行文本相關(guān)的說(shuō)話(huà)人辨認(rèn)實(shí)驗(yàn)。將采集的測(cè)試數(shù)據(jù)一分別輸入DTW和VQ說(shuō)話(huà)人識(shí)別系統(tǒng)進(jìn)行識(shí)別。

實(shí)驗(yàn)B:進(jìn)行文本無(wú)關(guān)的說(shuō)話(huà)人辨認(rèn)實(shí)驗(yàn)。將采集的測(cè)試數(shù)據(jù)二分別輸入DTW和VQ說(shuō)話(huà)人識(shí)別系統(tǒng)進(jìn)行識(shí)別。

(注:語(yǔ)音相對(duì)干凈，未加入噪聲，為了形成對(duì)比，傳統(tǒng)特征參數(shù)采用MFCC+△MFCC。)

實(shí)驗(yàn)數(shù)據(jù)如下所示:

(1)從實(shí)驗(yàn)A和實(shí)驗(yàn)B的實(shí)驗(yàn)數(shù)據(jù)可以看出，在干凈語(yǔ)音環(huán)境下，進(jìn)行文本相關(guān)的說(shuō)話(huà)人辨認(rèn)實(shí)驗(yàn)時(shí)，應(yīng)用傳統(tǒng)的特征參數(shù)提取方法和本文提出的組合特征參數(shù)提取方法都能得到較高的識(shí)別率;在進(jìn)行文本無(wú)關(guān)的說(shuō)話(huà)人辨認(rèn)實(shí)驗(yàn)時(shí)識(shí)別率較低，原因可能是所念報(bào)紙材料文字隨機(jī)性太大，文字過(guò)多，加上測(cè)試者較多，在不同的語(yǔ)音速率和相似的聲道特點(diǎn)下，就極有可能增加誤識(shí)率，但從總體上說(shuō)也達(dá)到了識(shí)別目的。

(2)本文提出的組合特征參數(shù)提取方案可以達(dá)到較好的識(shí)別效果。基于DTW模型的識(shí)別率低于基于VQ模型的識(shí)別率，這和傳統(tǒng)特征提取方法得出來(lái)的結(jié)論是一致的，主要原因在于基于DTW的識(shí)別算法過(guò)分依賴(lài)于端點(diǎn)檢測(cè)，而端點(diǎn)檢測(cè)的精度會(huì)隨著語(yǔ)音的音素不同而不同;其次，本文采用的是傳統(tǒng)的端點(diǎn)檢測(cè)方法，即將語(yǔ)音信號(hào)的短時(shí)能量與過(guò)零率相結(jié)合的方法。此法較易發(fā)生漏檢或虛檢的情況，因此影響了該系統(tǒng)的識(shí)別率。

(3)值得一提的是，由于本文的組合特征參數(shù)是在小波分解的基礎(chǔ)上對(duì)小波系數(shù)進(jìn)行提取的，維數(shù)較多，輸入識(shí)別模型的特征向量過(guò)多，加上本實(shí)驗(yàn)的電腦配置較低，這在一定程度上影響了識(shí)別時(shí)間，造成識(shí)別時(shí)間過(guò)長(zhǎng)。

4 小結(jié)

說(shuō)話(huà)人識(shí)別系統(tǒng)的性能在噪聲環(huán)境下的識(shí)別性能明顯降低，本文提出的組合特征參數(shù)在噪聲環(huán)境中能有效改善這一缺點(diǎn)，在噪聲環(huán)境下比傳統(tǒng)特征參數(shù)更魯棒，對(duì)于自然環(huán)境條件下的說(shuō)話(huà)人識(shí)別來(lái)說(shuō)也有一定的研究意義。

參考文獻(xiàn)

[1]Woo S Ch， Lim Ch P，Osman R. Development of a speaker recognition system.using wavelets and artificial neural networks. Processings of 2001 International. Symposium on Intelligent， Multimedia， Video and Speech Processing，2001.2-4:413-416.

[2]Kinney A， Stevens J. Wavelet packet cepstral.Conference Record of the Thirty-Sixth Asilomar and Computers， analysis for speaker recognition.Conference on Signals， Systems 2002.1(3-6):206-209.

[3]劉鳴，戴蓓倩，李輝等.基于離散小波變換和感知頻域?yàn)V波的語(yǔ)音特征參數(shù).電路與系統(tǒng)學(xué)報(bào)，2000.5(1):21-25.