基于聽(tīng)覺(jué)特性的聲紋識別系統的研究

在本文的實(shí)驗系統中，語(yǔ)音特征參數依次使用了12階LPCC以及12階MFCC。最后選定12階MFCC參數。本課題建立的是與文本有關(guān)的聲紋身份確認系統，用于測試模型是連續CHMM模型。

實(shí)驗中我們用的是30 ms的漢明窗，依次計算它的特征參數，分別使用了12階LPCC和12階MFCC(24個(gè)Mel濾波器，語(yǔ)音信號的幀長(cháng)度為256，信號的采樣頻率為8 000 Hz)和由此推導出的一階MFCC差分參數。LPCC特征和MFCC特征識別率比較如表4所示。

表4顯示了在測試人數為10人時(shí)，在相同的幀長(cháng)下，MFCC特征的識別性能高于LPCC特征。這個(gè)結論又一次證明了倒譜特征的可區分性測度優(yōu)于LPCC特征。

實(shí)驗中，我們把第一個(gè)說(shuō)話(huà)人的語(yǔ)音“9”，作為實(shí)驗研究樣本。圖2是數字“9”的語(yǔ)音波形圖，圖3是數字“9”的語(yǔ)譜圖。

MFCC參數是按幀計算的，在這里語(yǔ)音幀長(cháng)度是256，信號采樣頻率是8 kHz，采用24個(gè)濾波器，MFCC特征階數是12。MFCC的優(yōu)點(diǎn)是在噪聲的環(huán)境下，可以表現出對環(huán)境更強的魯棒性。接下來(lái)一步要做的是對語(yǔ)音特征矢量序列進(jìn)行矢量量化，矢量量化的數據壓縮效果相當好，因此進(jìn)行語(yǔ)音處理經(jīng)常要用到。在本文的實(shí)驗中，采用LBG法聚類(lèi)生成碼書(shū)。矢量量化之后這些語(yǔ)音特征參數就轉變成語(yǔ)音模型。緊接著(zhù)可以開(kāi)始進(jìn)行下一步的操作。

在訓練階段，對數字1～9建立HMM模型，就要對10個(gè)人進(jìn)行每個(gè)數字10遍訓練。第一天訓練，第二天檢測。每天一遍，一共兩遍，首先把語(yǔ)音信號做端點(diǎn)檢測，然后根據特征量計算出MFCC系數序列后，這里要用Baum-Welch算法建立各個(gè)說(shuō)話(huà)人的HMM模型庫。測試階段，先保持和訓練階段一樣，提取說(shuō)話(huà)人測試語(yǔ)音中的特征矢量，然后根據維特比算法，并以各個(gè)說(shuō)話(huà)人的HMM模板為參照，計算出來(lái)該輸入序列的生成概率，根據最大的輸出概率進(jìn)行判決結果。對于本課題研究的身份確認系統，把概率值與判決門(mén)限相比較，其值大于或等于判決門(mén)限的聲音作為受測者本人的聲音被接受，小于門(mén)限的被拒絕。

2.2 實(shí)驗結果分析

本文的實(shí)驗是與文本有關(guān)的說(shuō)話(huà)人身份確認系統。在實(shí)驗中，分別按照不同人數進(jìn)行訓練，但是測試語(yǔ)音數保持不變。任意抽3個(gè)人朗讀數字，在隨后的實(shí)驗中我們依次確定實(shí)驗人數為5，7和10時(shí)，這時(shí)可以看出識別率會(huì )有一些大的差異。其結果如表5所示。

實(shí)驗中的語(yǔ)音特征是MFCC，所用模型是連續CHMM，每一數字模型有4個(gè)狀態(tài)。在這個(gè)身份確認系統中，在二值判定的前提下，確認受測者是否是之前所認定的某人。從表5可以看到識別的時(shí)間比較短，當有10個(gè)人訓練時(shí)，識別率最大。為了訓練出可靠的參數模型，必須加大訓練集的數據。本實(shí)驗由于條件限制，實(shí)驗語(yǔ)音模板庫比較小，訓練數據不太充足，影響系統的一定性能。當訓練數據足夠大時(shí)，得修改補充一下程序的流程。本實(shí)驗中系統的識別率達到了90%以上。

3 結論

本文的實(shí)驗達到了預期的實(shí)驗效果，基本完成了身份確認的目標。但是針對語(yǔ)音的特征提取和模式匹配，在實(shí)驗中難免會(huì )出現一些誤差，出現誤認識和拒認識的偏差。對于說(shuō)話(huà)人確認系統，雖然說(shuō)從理論上來(lái)說(shuō)，識別率和登錄的說(shuō)話(huà)者量無(wú)關(guān)，但是實(shí)際上對于二值判定的說(shuō)話(huà)人確認系統也會(huì )隨著(zhù)登錄人數的增減而有所改變，怎么樣才能確保有足夠多的登錄者，登錄到說(shuō)話(huà)人確認系統中，而它的識別率問(wèn)題仍然是一個(gè)很大的課題。