基于i-vector的穩(wěn)健說話人識別研究.pdf

1、說話人識別就是能夠讓機器分辨出不同人的聲音來，主要是以語音信號為研究對象，它由特征提取和模式識別兩大部分組成；其中，如何高效地找到區(qū)別不同說話人之間的個性特征一直以來是需要攻克的難點。在沒有噪聲干擾條件下的說話人識別系統(tǒng)的正確率能夠達到百分之九十五以上；但是在有噪聲的影響下，系統(tǒng)識別的正確率就會受到很大的影響，如何提高有噪聲干擾環(huán)境下的說話人識別的正確率也是一個重要的研究方向。
　　本文是以Kaldi語音識別工具為平臺進行的仿真實

2、驗，Kaldi由前微軟公司研究院的Dan Povey博士與捷克的BUT大學聯(lián)合開發(fā)的，用C++編寫而成的一個開源工具包，便于根據(jù)不同的實驗目的進行修改和擴展。論文先從介紹說話人識別的基本知識入手，接著又全面地介紹了傳統(tǒng)說話人識別算法，以及目前主流的說話人識別技術i-vector，并且結合Kaldi語音識別工具對說話人識別系統(tǒng)的訓練參數(shù)進行了優(yōu)化。
　　針對帶噪條件下說話人識別率低的情況，本文采用深度學習領域的降噪自編碼器和i-ve

3、ctor相結合的方法來提高識別率。我們知道噪聲與語音信號之間有著相當復雜的關系，但在日常生活中聲音主要受到加性噪聲的影響，因此本文重點研究了高斯白噪聲對系統(tǒng)穩(wěn)定性的影響，先后設置了信噪比為0分貝、5分貝、10分貝、15分貝、20分貝的帶噪語音信號，用降噪自編碼器對信號中的噪聲進行抑制，保留說話人的個性特征，進而提高i-vector的穩(wěn)健說話人識別系統(tǒng)的性能。實驗結果表明，特別是在低信噪比條件下系統(tǒng)的識別率較低，但在去噪后i-vector