基于音素分類的短語音 說話 人 識別 (申 請清華大學工學博士學位論文 ) 培 養(yǎng) 單 位 : 計算機科學與技術(shù)系 學 科 : 計算機科學與技術(shù) 研 究 生 : 方 遠 香 指 導 教 師 : 鄭 方 研 究 員 二 一二 年 十 月 in of 012 on of to a of to or of by of or _ _ _ 摘要 i 摘要 說話 人 識別是指通過聲音識別一個人的身份。通常來講，這需要大量的 語音數(shù)據(jù)。然而，現(xiàn)實生活中， 語音 數(shù)據(jù)的獲取有著各種各樣的困難。因此，使用提供的語音數(shù)據(jù)（或長或短）來有效地識別說話 人身份 變得至關(guān)重要。近來，不少研究者關(guān)注短語音說話 人 識別（ 稱并基于短語音提出了新的方法以提高說話 人 識別的性能。然而，大多數(shù)的方法將短語音設(shè)定為 10 秒左右，只有近期的研究將其設(shè)定在 3 秒左右。現(xiàn)有研究中最短的語音為 2 秒，其最小等錯誤率 (稱 基于現(xiàn)有短語音 說話人 識別的研究成果，本文提出使用不超過 3 秒的語音（漢語或英語）對 說話人 進行有效地識別，包括以下內(nèi)容和創(chuàng)新點： 1) 提出文本無關(guān)的短語音 說話人 識別 方法 。在短語音中，語音變化惡化了說話人 識別的性能。盡管文本 相 關(guān)的 說話人 識別有助于 解決該問題，但是通過短短幾秒的語音片段進行 說話人 識別還不完全可行。因此，我們提出在基本的音素識別中使用語音單元知識，這不僅使 保留了潛在的語音信息。 2) 提出使用音素序列而不是連續(xù)語音進行短語音 說話人 識別 的思路 。由于音素是最小有意義的語音單元，使用音素序列可增加識別過程中的有用信息，且保留了 說話人 的特點。 3) 為了實現(xiàn)以上目標，我們使用了音素分類，即將相似的 音速 分為一類。這不僅解決了稀有分類中數(shù)據(jù)稀疏的問題，而且也使得不同類別的音素分布均勻?；诖耍覀兲岢隽艘羲仡悇e的短語音 說話人 識別方法。 4) 為設(shè)計音素類別，我們學習了音素的語音和音韻屬性，并基于發(fā)音特征設(shè)計了元音分類，以進一步實現(xiàn)基于音素分類的短語音 說話人 識別。 5) 為了測試音素組合的情況（元音和輔音），我們設(shè)計了音節(jié)分類，這是最常見的元音和輔音的組合?；谄胀ㄔ挼囊艄?jié)結(jié)構(gòu)，我們設(shè)計了輔音分類，并通過組合元音類別和輔音類別設(shè)計了音節(jié)分類。 為了驗證本文的方法，我們基于 3 秒、 2 秒和 1 秒的音素類別序列分別對全局背景的元音分類模型、輔音分類模型和音節(jié)分類模型進行了實驗。實驗結(jié)果證明大量的 說話人 信息包含在諸如音素和音節(jié)等小語音單元中，音節(jié)分類是 說話人 識別最 好的選擇。元音分類同樣也在短語音 說話人 識別中起到很好的效果，摘要 過輔音分類卻在短語音識別中不能達到好的效果。實驗結(jié)果表明，與現(xiàn)有統(tǒng)相比，在基于 2 秒的測試語音進行 說話人 識別時，本文方法（基于高斯混合模型和全局背景模型 ( 在帶有韻律標注的語料庫 最小 對降低了 絕對降低了 在 008 訓練集的最小 對值分別降低了 和 關(guān)鍵字 ：短語音 說話人 識別， 音素， 元音分類， 輔音分類， 音節(jié)分類 is of a by of of is to In in in In it to or to Of in a to in to of to be 0 as of in to a We to an to a on of or We as In a we 1) We of in of to at as as a is we of to of 2) We to of of to at of a 3) In to we of of of by of iv in of In so we 4) In to we to of of of we on 5) To of of we of We Cs Cs to Cs by We by C, CC C 2 Cs is in as as We in to a to ER of ER ER in ER ER v F 要 . i . . v 1 . 1 . 3 . 4 . 6 . 6 . 7 . 11 . 11 . 12 . 13 . 16 . 16 . 16 . 19 . 21 . 22 . 22 2 . 23 . 23 . 24 . 25 . 28 R . 29 . 32 . 33 . 34 . 35 . 36 . 37 . 37 . 38 : . 38 : . 38 . 39 . 39 3 . 41 of . 41 . 42 of . 44 . 45 . 47 . 48 . 49 . 50 . 52 . 53 . 54 1 . 54 (. 54 . 55 56 . 56 . 56 . 59 . 60 . 61 . 62 4 . 64 . 64 n . 65 . 66 . 67 . 68 . 68 . 70 . 70 . 71 . 80 . 82 5 . 83 . 84 . 85 . 87 . 93 . 94 . 95 1 1 is no of so as a a a is to of in of in is as as it is as of of to it to in of it is of as it us is in an in In to in or to of of is a it is SR is an R is to be to a in in in SR of of a s to a 2001)( 2001)( 2001)( 1 2001)( 2001)( 2001). an on of of or is to to a in as or to a is a in to a of be of in is a is it on of a of