◆馮月春 陳惠娟

基于GFCC與CFC的低信噪比說話人識別

◆馮月春1陳惠娟2

（1.寧夏理工學(xué)院 寧夏 753000；2.西安工程大學(xué) 陜西 710048）

在全特征矢量集模型CFC和互信息識別的基礎(chǔ)上，對不同的語音特征參數(shù)提取方式及不同特征在不同信噪比下的識別率做了比較，實驗結(jié)果表明基于人耳聽覺特性的穩(wěn)健特征提取方式在高信噪比時識別率最高；本文針對低信噪比情況下說話人識別系統(tǒng)的識別率較低的問題，提出了基于多窗譜估計普減法的能熵比法用于語音的前端降噪處理，結(jié)果表明通過改進(jìn)的端點檢測法在低信噪比下明顯提高說話人識別的識別率。

端點檢測；CFC；識別率

說話人模型是說話人識別系統(tǒng)的核心，目前常見的說話人模型包括：隱馬爾科夫模型、高斯混合模型、矢量量化、人工神經(jīng)網(wǎng)絡(luò)等。這些方法的運用只考慮了語音信號的時變分布特征，并沒有考慮語音信號的統(tǒng)計分布特征，同時計算量比較大。上海大學(xué)的俞教授提出了全特征矢量集模型CFC[1]，該模型基于互信息理論和語音信號分析，對隨機(jī)變量或隨機(jī)信號之間所攜帶對方信息進(jìn)行定量描述，由于該模型同時考慮了語音信號的時變分布特征和統(tǒng)計分布特征，能有效地提高類間耦合度和類內(nèi)凝聚度，是目前常用的說話人模型匹配方式。該模型對語音參數(shù)特征敏感，尤其是低信噪比的情況下。因此，語音特征的提取方式是CFC精度的主要影響因素。本文在全特征矢量集模型CFC和互信息識別的基礎(chǔ)上，對不同的語音特征參數(shù)提取方式識別率做了比較，結(jié)果表明基于人耳聽覺特性的穩(wěn)健特征提取方法在高信噪比時識別率最高，在低信噪比下識別率較低，本文采用多窗譜估計普減法[2]和能熵比相結(jié)合的端點檢測，對語音信號進(jìn)行預(yù)處理，使說話人識別在低信噪比下識別效果明顯改善。

1 互信息匹配識別模型及原理

1.1 說話人全特征矢量模型

全特征矢量集模型CFC的基本思想是通過對一組包含說話人各種語音發(fā)音個性特征的數(shù)據(jù)進(jìn)行分析處理，提取相應(yīng)的代表性特征矢量表示說話人語音模型，其訓(xùn)練過程如下。

（2）計算各原始特征矢量與CFC中各特征矢量之間的距離，并將原始特征矢量賦予與其距離最小的CFC特征矢量所在子集，即：

（3）對每個CFC特征矢量子集中的原始特征矢量在特征空間計算其均值，并將其作為新的CFC特征矢量，即

1.2 基于互信息評估的說話人識別原理

從理論上分析，由于不可能得到嚴(yán)格的語音信號特征矢量的概率分布密度函數(shù)以及語音模式的條件概率，語音模式之間的互信息計算只能通過合理的估計進(jìn)行，即引入了熵的計算。公式如下：

2 語音特征提取實驗對比

2.1 實驗環(huán)境

本文涉及的說話人識別實驗中訓(xùn)練語音數(shù)據(jù)均在實驗室環(huán)境下用進(jìn)行錄制，采樣率11025Hz，量化精度16 位，每個人錄制了7 段12 秒的語音，其中，前4 段用于訓(xùn)練，后3 段用于識別。為了比較各種特征提取方式的魯棒性，分別在原語音數(shù)據(jù)中疊加上固定比例的噪聲。實驗所使用8種噪聲類型，信噪比分別為0dB，10dB，20dB，30dB。實驗結(jié)果如圖1（a）、（b）所示。橫軸代表不同的信噪比，縱軸代表說話人的識別率；圖中矩形的線條表示為LPCC特征在不同信噪比下的識別率，圓形的線條為MFCC特征在不同信噪比下的識別率，三角形的線條為GFCC特征在不同信噪比下的識別率，星形為組合特征MFCC+GFCC在不同信噪比下識別率[4]。

圖1（a） 不同信噪比下說話人識別率

圖1（b） 不同信噪比下說話人識別率

2.2 實驗結(jié)果與分析

（1）在純凈語音環(huán)境下，MFCC，GFCC和MFCC+GFCC的識別率一致，最高可達(dá)到90%，而LPCC的識別率相對較低，在70%左右。

（2）在低信噪比下GFCC特征參數(shù)和組合特征MFCC+GFCC的識別率優(yōu)于MFCC和LPCC的識別率，說明GFCC具有一定抗噪性能。

3 改進(jìn)的語音端點檢測

從實驗結(jié)果發(fā)現(xiàn)，普通的端點檢測只對有話段檢測和處理，一般用短時平均能量和短時平均過零率就可以檢測出語音的端點，但實際處理中語音往往處于復(fù)雜的噪聲環(huán)境中，判別語音段的起始點和終止點的問題主要歸結(jié)為區(qū)別語音和噪聲的問題。因此，采用基于多窗譜估計普減法的能熵比法用于端點檢測，來提高說話人識別的正確性。改進(jìn)后說話人識別工作原理如圖2所示：

圖2 說話人識別系統(tǒng)

4 實驗結(jié)果

實驗結(jié)果如圖3（a）、（b）所示。其中，圓形表示普通的端點檢測下特征GFCC的識別率，星形表示改進(jìn)的端點檢測下特征GFCC的識別率[5]。

從圖3（a）、（b）中可以看出：（1）在8種不同的噪聲環(huán)境下，采用兩種端點檢測法說話人識別的識別率均隨著信噪比的增大越來越大。（2）從圖中可以看到，在低信噪比下對含噪的語音法進(jìn)行預(yù)處理后，對多數(shù)噪聲識別率都有所提高。（3）八種噪音下在SNR低于5dB時，我們的抗噪聲說話人識別系統(tǒng)的識別率提高明顯。

圖3（a） 不同信噪比下說話人識別率

圖3（b） 不同信噪比下說話人識別率

5 結(jié)論

在全特征矢量集模型CFC和互信息識別的基礎(chǔ)上，通過實驗驗證，結(jié)果表明低信噪比下的識別率較差；然后，針對此問題，提出了基于多窗譜估計普減法的能熵比法用于語音的前端降噪處理，通過改進(jìn)的端點檢測法算法使說話人識別在不同程度上得到了提高。

[1]俞一彪.基于互信息理論的說話人識別研究[D].上海：上海大學(xué)，2004.

[2]武鵬鵬，趙剛，鄒明.基于多窗譜估計的改進(jìn)普減法[J].現(xiàn)代電子技術(shù)，2008（12）：151-152.

[3]杜曉青，于風(fēng)芹.基于發(fā)聲機(jī)理與人耳感知特性的說話人識別[J]，計算機(jī)工程，2013，39（11），197-199.

[4]郭武.復(fù)雜信道下的說話人識別[D].合肥：中國科學(xué)技術(shù)大學(xué)，2007.

[5]余建潮，張瑞林.基于MFCC和LPCC的說話人識別[J].計算機(jī)工程與設(shè)計，2009（5）：1189-1191.

寧夏高等學(xué)校科學(xué)研究項目（編號：NGY2018-166）