文思進(jìn)，高 勇

(四川大學(xué) 電子信息學(xué)院，四川 成都 610065)

0 引言

在實(shí)際應(yīng)用中，說(shuō)話人確認(rèn)系統(tǒng)會(huì)因?yàn)椴杉O(shè)備干擾、環(huán)境噪聲以及說(shuō)話人情緒影響等造成性能急劇下降。特征提取是說(shuō)話人確認(rèn)系統(tǒng)中的關(guān)鍵步驟，合適的聲紋特征能有效地提升系統(tǒng)性能。

梅爾倒譜系數(shù)[1](MFCC)和基于Gammatone濾波器提取的GFCC特征參數(shù)[2-3]是目前說(shuō)話人確認(rèn)中最常見(jiàn)的魯棒性特征參數(shù)。上述2種參數(shù)已部分考慮人耳的聽(tīng)覺(jué)感知特性，在無(wú)噪聲污染環(huán)境下表現(xiàn)良好，但在低信噪比情況下性能嚴(yán)重下降。為解決該問(wèn)題，考慮利用能較好地模擬人耳聽(tīng)覺(jué)特性的Gammachirp濾波器[4]進(jìn)行特征提取。近年來(lái)，Ben Abdallah[5]，M Bouchamekh[6]等將Gammachirp濾波器應(yīng)用于說(shuō)話人辨認(rèn)系統(tǒng)，取得了良好的識(shí)別效果。但鮮有利用該濾波器提取聽(tīng)覺(jué)特征參數(shù)并運(yùn)用到說(shuō)話人確認(rèn)系統(tǒng)中的研究。

本文通過(guò)Gammachirp濾波器組提取出一種魯棒性聽(tīng)覺(jué)特征參數(shù)GCFC，對(duì)其噪聲魯棒性進(jìn)行了分析；研究了不同噪聲環(huán)境下GCFC的系統(tǒng)確認(rèn)性能。實(shí)驗(yàn)表明，與單純的MFCC及GFCC特征參數(shù)相比，在低信噪比條件下，GCFC聽(tīng)覺(jué)特征參數(shù)更具噪聲魯棒性和適應(yīng)性，使得確認(rèn)系統(tǒng)準(zhǔn)確率有明顯的改善。

1 說(shuō)話人確認(rèn)系統(tǒng)

1.1 說(shuō)話人確認(rèn)系統(tǒng)構(gòu)成

本文采用基于GMM-UBM[7]的說(shuō)話人確認(rèn)系統(tǒng)，主要由3部分組成：通用背景模型(UBM)訓(xùn)練、說(shuō)話人模型自適應(yīng)以及說(shuō)話人確認(rèn)測(cè)試。

通用背景模型訓(xùn)練：按照一定的男女比例選取大量非目標(biāo)說(shuō)話人的純凈語(yǔ)音，進(jìn)行聲紋特征提取后利用最大期望算法(EM)進(jìn)行迭代訓(xùn)練，最后得到UBM模型。UBM模型本質(zhì)上為高斯混合模型，由目標(biāo)說(shuō)話人以外的大量說(shuō)話人組合并訓(xùn)練而成，代表了與目標(biāo)說(shuō)話人無(wú)關(guān)的特征分布。

說(shuō)話人模型自適應(yīng)：將提取特征后的目標(biāo)說(shuō)話人訓(xùn)練語(yǔ)音在UBM模型上自適應(yīng)使用最大后驗(yàn)準(zhǔn)則(MAP)來(lái)得到目標(biāo)說(shuō)話人模型，即得到目標(biāo)說(shuō)話人的語(yǔ)音特征分布。

說(shuō)話人確認(rèn)測(cè)試：將每個(gè)說(shuō)話人的對(duì)數(shù)似然比得分經(jīng)過(guò)評(píng)分規(guī)整之后，和閾值進(jìn)行比較，并進(jìn)行判決。如果得分大于閾值，則判決測(cè)試語(yǔ)音為真實(shí)說(shuō)話人，小于閾值則判決為冒充說(shuō)話人。

1.2 說(shuō)話人確認(rèn)系統(tǒng)性能評(píng)價(jià)

美國(guó)國(guó)家標(biāo)準(zhǔn)及技術(shù)署(National Institute of Standard and Technology，NIST)在說(shuō)話人確認(rèn)測(cè)評(píng)中采用檢測(cè)錯(cuò)誤權(quán)衡(Detection Error Tradeoff，DET)曲線表示確認(rèn)系統(tǒng)錯(cuò)誤接受率(False Acceptance Rate，F(xiàn)AR)和錯(cuò)誤拒絕率(False Rejection Rate，F(xiàn)RR)之間的權(quán)衡關(guān)系[8]，并以此來(lái)評(píng)價(jià)說(shuō)話人確認(rèn)系統(tǒng)的性能，反映系統(tǒng)整體識(shí)別能力。這是因?yàn)檎f(shuō)話人確認(rèn)中存在2類識(shí)別錯(cuò)誤：冒充人被接受的錯(cuò)誤和真實(shí)說(shuō)話人被拒絕的錯(cuò)誤，分別用FAR和FRR表示。二者定義如下：

(1)

(2)

此外，等錯(cuò)誤率(Equal Error Rate，EER)和檢測(cè)代價(jià)函數(shù)(Detection Cost Function，DCF)也是衡量說(shuō)話人確認(rèn)系統(tǒng)的重要指標(biāo)。其中，EER指FAR與FRR相等時(shí)所對(duì)應(yīng)的錯(cuò)誤概率。DCF指在固定判決門限前提下系統(tǒng)的檢測(cè)代價(jià)，表達(dá)式定義如下：

DCF=CFAPnonFAR+CFRPtarFRR，

(3)

式中，CFA和CFR分別代表錯(cuò)誤接受和錯(cuò)誤拒絕的代價(jià)因子；Pnon和Ptar分別代表冒充說(shuō)話人和真實(shí)說(shuō)話人的先驗(yàn)概率。在NIST測(cè)評(píng)中，代價(jià)因子和先驗(yàn)概率是固定的：CFA=1，CFR=10，Ptar=0.01，Pnon=1-Ptar。由式(3)可知，通過(guò)改變判決門限可使檢測(cè)代價(jià)函數(shù)達(dá)到最小，此時(shí)形成了最小檢測(cè)代價(jià)(MinDCF)。MinDCF是NIST說(shuō)話人確認(rèn)測(cè)評(píng)中最常用的評(píng)價(jià)指標(biāo)之一。

2 基于Gammachirp濾波器的魯棒性聽(tīng)覺(jué) 特征提取

2.1 Gammachirp濾波器

Gammachirp濾波器屬于非線性濾波器的一種，在擬合人耳聽(tīng)覺(jué)特性上效果明顯，被看作是Gammatone濾波器的推廣和改進(jìn)。Gammachirp濾波器引入了耳蝸濾波器的非對(duì)稱性和強(qiáng)度依賴性特性，可以很好地模擬人耳耳蝸的頻率選擇性，其時(shí)域脈沖響應(yīng)表達(dá)式為[9]：

gc(t)=atn-1exp(-2πbERB(fr)t)·

exp(j2πfrt+jclnt+jcfφ))，t>0，

(4)

式中，a為振幅；φ為初始相位；n，b為描述gamma函數(shù)分布包絡(luò)的參數(shù)，通常n取4，b取1.109；c為啁啾因子(Chirp Factor)，會(huì)隨聲壓變化而變化；fr為漸近頻率；ERB(fr)代表中心頻率為fr的等效矩形帶寬(ERB)的值，可由式(5)得到：

ERB(fr)=24.7+0.108fr。

(5)

Gmmachirp函數(shù)的傅里葉變換推導(dǎo)如下：

(6)

(7)

(8)

Gc(f)=GT(f)·HA(f)。

(9)

因此，Gammachirp函數(shù)的幅度譜可表示為[10]：

(10)

式中，|HA(f)|=ecθ(f)，當(dāng)啁啾因子c=0時(shí)，|HA(f)|為單位階躍函數(shù)，此時(shí)Gammachirp函數(shù)退化為Gammatone函數(shù)；當(dāng)c>0時(shí)，|HA(f)|表現(xiàn)為高通濾波器；而當(dāng)c<0時(shí)，|HA(f)|表現(xiàn)為低通濾波器。

文獻(xiàn)[11]指出，Gammachirp濾波器組由Gammatone濾波器組、低通非對(duì)稱補(bǔ)償濾波器組以及高通非對(duì)稱補(bǔ)償濾波器組級(jí)聯(lián)而成，基本結(jié)構(gòu)如圖1所示。其中，能夠進(jìn)行聲壓估計(jì)的參數(shù)控制器控制了高通非對(duì)稱補(bǔ)償濾波器組的輸出。結(jié)合式(10)可知，Gammachirp濾波器可看作由Gammatone濾波器|GT(f)|與非對(duì)稱函數(shù)|HA(f)|共同作用產(chǎn)生。圖1中2個(gè)級(jí)聯(lián)的非對(duì)稱濾波器組則共同實(shí)現(xiàn)了非對(duì)稱函數(shù)|HA(f)|的功能。|HA(f)|即為ecθ(f)，受啁啾因子c的影響。啁啾因子c與聲壓級(jí)Ps呈線性關(guān)系，具體如式(11)所示。通過(guò)Ps實(shí)時(shí)調(diào)整c值可實(shí)現(xiàn)Gammachirp濾波器組對(duì)信號(hào)的強(qiáng)度依賴性[12]。

c=3.38+0.107Ps。

(11)

圖1 Gammachirp濾波器組基本結(jié)構(gòu)

2.2 基于Gammachirp濾波器的魯棒性聽(tīng)覺(jué)特征提取方法

本文采用24個(gè)通道數(shù)的Gammachirp濾波器組擬合人耳聽(tīng)覺(jué)特點(diǎn)，提取了基于Gammachirp濾波器的魯棒聽(tīng)覺(jué)特征參數(shù)，特征參數(shù)記為GCFC。提取流程如圖2所示。

圖2 GCFC特征參數(shù)提取流程

圖2中，輸入語(yǔ)音信號(hào)經(jīng)過(guò)預(yù)加重、分幀、加窗以及端點(diǎn)檢測(cè)等預(yù)處理后，進(jìn)行快速傅里葉變換(FFT)，將Gammachirp濾波器組的頻率響應(yīng)進(jìn)行等響度變換[13]后，再利用Gammachirp濾波器組對(duì)信號(hào)進(jìn)行子帶濾波，然后對(duì)每個(gè)濾波器的輸出做對(duì)數(shù)非線性壓縮，經(jīng)過(guò)相對(duì)譜濾波(RASTA)[14]和離散余弦變換(DCT)，最后再經(jīng)過(guò)半升正弦函數(shù)倒譜提升以及倒譜均值減-倒譜方差歸一化(CMS-CVN)[15]處理，得到基于Gammachirp濾波器的GCFC聽(tīng)覺(jué)特征參數(shù)。

在特征參數(shù)GCFC的提取過(guò)程中，對(duì)Gammachirp濾波器的頻率響應(yīng)進(jìn)行等響度變換可模擬人耳對(duì)不同頻率所感受到的響度。對(duì)聽(tīng)覺(jué)特點(diǎn)的研究表明，耳蝸具有非線性特點(diǎn)，反映了人耳在接收帶噪信號(hào)時(shí)的處理機(jī)制。非線性壓縮基于人耳的強(qiáng)度感知性，使得聽(tīng)覺(jué)模型能在最大限度上擬合人耳的強(qiáng)度感知性。因此，對(duì)每個(gè)濾波器的輸出做對(duì)數(shù)壓縮，以此來(lái)擬合人耳聽(tīng)覺(jué)模型處理語(yǔ)音信號(hào)的非線性特性；此外，為削弱傳輸信道對(duì)語(yǔ)音信號(hào)的影響，補(bǔ)償信道卷積噪聲在倒譜域產(chǎn)生的偏差，提高聽(tīng)覺(jué)特征參數(shù)的穩(wěn)健性，對(duì)信號(hào)進(jìn)行了RASTA濾波和CMS-CVN處理。

3 仿真實(shí)驗(yàn)

3.1 實(shí)驗(yàn)設(shè)計(jì)

實(shí)驗(yàn)數(shù)據(jù)選自CCB數(shù)據(jù)庫(kù)中電話信道下的純凈語(yǔ)音，語(yǔ)音采樣率為8 kHz，16 bit，單聲道錄音。從中選取男女各60人，共計(jì)120人訓(xùn)練UBM模型。另外選取男女各20人，共計(jì)40人訓(xùn)練每個(gè)目標(biāo)說(shuō)話人的GMM模型，每人訓(xùn)練語(yǔ)音長(zhǎng)度為34 s，再取每人與文本無(wú)關(guān)的5條5 s語(yǔ)音進(jìn)行說(shuō)話人確認(rèn)測(cè)試。噪聲數(shù)據(jù)取自NOISEX-92噪聲數(shù)據(jù)庫(kù)[16]，所有帶噪語(yǔ)音均在原有語(yǔ)音信號(hào)上疊加一定信噪比噪聲得到。

本文在仿真實(shí)驗(yàn)中對(duì)輸入系統(tǒng)的語(yǔ)音信號(hào)進(jìn)行了預(yù)加重，預(yù)加重系數(shù)為0.97，以幀長(zhǎng)256個(gè)采樣點(diǎn)進(jìn)行分幀，使用漢明窗進(jìn)行加窗處理。每幀語(yǔ)音提取48維GCFC參數(shù)，并對(duì)系統(tǒng)最后得分采用測(cè)試規(guī)整(Test Norrmalization，Tnorm)[17]的評(píng)分規(guī)整方式。實(shí)驗(yàn)仿真系統(tǒng)基于GMM-UBM模型，模型混合數(shù)為512，目標(biāo)說(shuō)話人的高斯混合數(shù)與UBM相同。

3.2 GCFC參數(shù)的有效性測(cè)試

實(shí)驗(yàn)1：為驗(yàn)證本文所提取的聽(tīng)覺(jué)特征參數(shù)GCFC在無(wú)噪聲污染條件下對(duì)說(shuō)話人確認(rèn)系統(tǒng)的有效性，采用40人(男女比例1∶1)的純凈語(yǔ)音進(jìn)行實(shí)驗(yàn)。分別使用24個(gè)通道數(shù)的Mel濾波器組、Gammatone濾波器組和Gammachirp濾波器組提取聽(tīng)覺(jué)特征參數(shù)MFCC、GFCC，GCFC，特征參數(shù)維度均為48維。實(shí)驗(yàn)結(jié)果如表1所列。

表1 無(wú)噪環(huán)境下不同特征參數(shù)的系統(tǒng)EER和MinDCF

噪聲類型特征參數(shù)EERMinDCFMFCC0.071 90.060 6cleanGFCC0.068 80.056 7GCFC0.065 00.054 9

從表1可知，在無(wú)噪聲條件下的說(shuō)話人確認(rèn)中，GCFC特征參數(shù)的系統(tǒng)確認(rèn)性能表現(xiàn)最好，EER和MinDCF均低于其余特征參數(shù)。與MFCC特征參數(shù)相比，EER降低了9.6%，計(jì)算過(guò)程如式(12)所示，MinDCF降低了9.4%；與GFCC特征參數(shù)相比，EER與MinDCF分別降低了5.5%和3.2%。由此可看出，純凈語(yǔ)音條件下，GCFC聽(tīng)覺(jué)特征參數(shù)在說(shuō)話人確認(rèn)系統(tǒng)中的應(yīng)用是可行有效的，可以滿足實(shí)際應(yīng)用場(chǎng)景的要求。

(12)

3.3 GCFC參數(shù)的抗噪能力測(cè)試

實(shí)驗(yàn)2：為測(cè)試噪聲環(huán)境下本文所提取的聽(tīng)覺(jué)特征參數(shù)GCFC在說(shuō)話人確認(rèn)系統(tǒng)中的抗噪能力，將實(shí)驗(yàn)1中提取的MFCC，GFCC，GCFC3個(gè)特征參數(shù)在同等噪聲條件下進(jìn)行實(shí)驗(yàn)。噪聲類型包括粉紅噪聲(Pink Noise)、白噪聲(White Noise)及f16座艙噪聲(f16 Cockpit Noise)。含噪語(yǔ)音的信噪比(SNR)為-10 dB，其余實(shí)驗(yàn)條件同實(shí)驗(yàn)1。實(shí)驗(yàn)結(jié)果如圖3～圖5以及表2所示。

圖3 pink噪聲(-10 dB)下的DET曲線

圖4 white噪聲(-10 dB)下的DET曲線

圖5 f16噪聲(-10 dB)下的DET曲線

表2 噪聲環(huán)境下(-10 dB)不同特征參數(shù)的系統(tǒng)EER和MinDCF

噪聲類型特征參數(shù)EERMinDCFMFCC0.425 90.410 5pink噪聲GFCC0.425 00.406 8GCFC0.267 50.265 8MFCC0.40490.3896white噪聲GFCC0.392 50.372 9GCFC0.375 50.362 4MFCC0.426 50.415 5f16噪聲GFCC0.436 20.422 8GCFC0.275 60.268 2

從圖3～圖5可知，特征參數(shù)GCFC的檢測(cè)錯(cuò)誤權(quán)衡(DET)曲線整體比特征參數(shù)MFCC和GFCC更優(yōu)，錯(cuò)誤接受率(FAR)和錯(cuò)誤拒絕率(FRR)均更低、更接近坐標(biāo)軸，說(shuō)明系統(tǒng)的確認(rèn)性能更好。

從表2可知，與MFCC和GFCC兩種特征參數(shù)相比，本文提取的GCFC特征參數(shù)在不同噪聲環(huán)境下的EER和MinDCF均更低。在pink，white，f16三種噪聲環(huán)境下，GCFC特征參數(shù)的平均EER為0.306 2，平均MinDCF為0.298 8。與MFCC及GFCC兩種特征參數(shù)相比，平均EER分別降低了26.9%和26.7%；平均MinDCF分別降低了26.2%和25.4%。結(jié)果說(shuō)明基于Gammachirp濾波器提取的GCFC參數(shù)增強(qiáng)了噪聲環(huán)境下，尤其是低信噪比情況下說(shuō)話人確認(rèn)系統(tǒng)的魯棒性，能夠有效提高系統(tǒng)確認(rèn)準(zhǔn)確率。

4 結(jié)束語(yǔ)

Gammachirp濾波器在模擬人耳耳蝸基底膜特性方面表現(xiàn)良好，因此，本文將Gammachirp濾波器用于說(shuō)話人確認(rèn)系統(tǒng)的特征提取中，并在提取過(guò)程中應(yīng)用了等響度變換、RASTA濾波和倒譜均值減-倒譜均值歸一化(CMS-CVN)等技術(shù)，得到GCFC聽(tīng)覺(jué)特征參數(shù)。本文先在無(wú)噪聲污染條件下進(jìn)行GCFC參數(shù)的有效性實(shí)驗(yàn)，然后在不同噪聲的低信噪比環(huán)境下進(jìn)行GCFC參數(shù)的魯棒性實(shí)驗(yàn)，并與MFCC和GFCC特征參數(shù)進(jìn)行了對(duì)比。實(shí)驗(yàn)結(jié)果表明，以GCFC參數(shù)為說(shuō)話人聽(tīng)覺(jué)特征的說(shuō)話人確認(rèn)系統(tǒng)整體性能更好，噪聲魯棒性更強(qiáng)，在低信噪比環(huán)境下系統(tǒng)確認(rèn)準(zhǔn)確率更高，同時(shí)對(duì)于不同的噪聲環(huán)境也更具適應(yīng)性。