存在情感差異性語(yǔ)音的說話人識(shí)別算法研究.pdf

1、說話人識(shí)別技術(shù)被認(rèn)為是最自然的生物認(rèn)證技術(shù)，它是一項(xiàng)根據(jù)語(yǔ)音中反映的說話人生理和行為特征的語(yǔ)音參數(shù)，自動(dòng)識(shí)別說話人身份的技術(shù)。傳統(tǒng)說話人識(shí)別系統(tǒng)當(dāng)使用者在平靜狀態(tài)下訓(xùn)練、測(cè)試時(shí)，已取得了非常出色的識(shí)別性能，但是，當(dāng)說話人在不同情感狀態(tài)間改變時(shí)，因說話人的態(tài)度發(fā)生改變，語(yǔ)音急劇變化，進(jìn)而識(shí)別率會(huì)下降。在詳細(xì)分析情感語(yǔ)音特性和情感語(yǔ)音研究方面的最新進(jìn)展，特別是如何提高情感影響時(shí)說話人識(shí)別性能研究現(xiàn)狀的基礎(chǔ)上，本文針對(duì)如何更好的處理含有情感因

2、素的說話人語(yǔ)音上進(jìn)行了大量的嘗試，提出了相關(guān)的模型和算法。本文的主要工作集中在以下四個(gè)方面： 第一，對(duì)情感語(yǔ)音特征和在情感語(yǔ)音影響下提高說話人識(shí)別性能的研究工作做了詳細(xì)調(diào)研工作，并了解情感語(yǔ)音數(shù)據(jù)庫(kù)方面的現(xiàn)狀，針對(duì)現(xiàn)階段缺少多說話人錄制的中文情感語(yǔ)音數(shù)據(jù)庫(kù)，設(shè)計(jì)、采集并建立了一個(gè)可用于情感語(yǔ)音分析和說話人識(shí)別的語(yǔ)音數(shù)據(jù)庫(kù)MASC@CCNT。 第二，選擇用于情感語(yǔ)音特性分析的特征，從基音頻率構(gòu)造、發(fā)音持續(xù)時(shí)間比較、元音共振

3、峰分析、能量分析四個(gè)方面對(duì)一個(gè)中文情感語(yǔ)音庫(kù)(MASC@CCNT)和一個(gè)英文情感語(yǔ)音庫(kù)(EPST)上的語(yǔ)音信號(hào)進(jìn)行詳細(xì)的實(shí)驗(yàn)分析，并通過和不帶情感的中性語(yǔ)音信號(hào)比較，找出了不同情感信號(hào)特征的分布規(guī)律，并對(duì)比中西語(yǔ)音庫(kù)上的分析結(jié)果，得出中西方在表達(dá)情感方式上的差異，總體來(lái)說，東方人在表達(dá)情感時(shí)語(yǔ)音變化不如西方人激烈，相對(duì)含蓄，而西方人情緒變化時(shí)會(huì)采用外露、夸張的表達(dá)方式。 第三，在EPST情感語(yǔ)音庫(kù)上，先通過聲學(xué)特征統(tǒng)計(jì)量的分析，

4、包括基音頻率平均值(MeanPitch)、基頻動(dòng)態(tài)范圍(PitchRange)、基頻方差(PitchVariance)、基頻歪斜度(PitchSkewness)和基頻動(dòng)態(tài)范圍擴(kuò)展方式(PitchExpansion)，對(duì)14種情感進(jìn)行了分類，將具有相近特性的情感類別歸于同一個(gè)組，然后為每個(gè)說話人的中性語(yǔ)音中分別加入很小量的情感信息，按照情感組別進(jìn)行說話人模型訓(xùn)練。該方法用于實(shí)際的說話人識(shí)別系統(tǒng)中，在情感先驗(yàn)知識(shí)不足的情況下可進(jìn)行結(jié)構(gòu)化訓(xùn)練

5、并測(cè)試，極大地提高了說話人識(shí)別系統(tǒng)在情感語(yǔ)音影響時(shí)的性能。 第四，通過討論用于說話人識(shí)別的傳統(tǒng)倒譜特征和基音頻率(F0)在說話人處于不同的情感狀態(tài)時(shí)的差異性，本文認(rèn)為，當(dāng)說話人情緒發(fā)生變化時(shí)，基音頻率的改變會(huì)影響到倒譜特征(MFCC等)，這種影響會(huì)增加說話人的自身距離(intra-speakerdistance)，從而使說話人識(shí)別系統(tǒng)的性能降低。本文提出了基于倒譜特征線性情感補(bǔ)償?shù)恼f話人識(shí)別方法，實(shí)驗(yàn)結(jié)果表明，這種特征補(bǔ)償方法能