说话人识别中的背景模型与得分问题研究

《说话人识别中的背景模型与得分问题研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、－‘■．奇．皆■＇＇■一一＇山，‘雖＇乾－＊一，，．ｒ气．＇－■ｉ．反—占ｉ：‘＿，Ｖｃ＇ｙ：，ｖ＇■＂叫■．（。口■．－？ｒ…崎一＇？心一，密级；’，一．硕±学位论文？．＇？，－＜、．：ｖ公ｒ－－ｓｆｆ论文题目＿说话人识别中的背景模型与得分问题研究．．．作者姓名孙永坤指导教师杨姜春副教授计覚机应用技术学科（专业）所在学院计算机科学与技术学院＾２０１６年１月提

2、交日期？—辛‘？－知’．１．？．’．．－巧…５．＾與品我沪＾一＾衣皆；＞．．．一；＇■、．：－－。－＇■■击、，．－■巧．．一一＾一．，．．．．、－－，－一■一■－今■一，‘＇■＂、＊＇，■耐心—．Ｈ＜沪‘一－，＇？＂．成．：－表ＴｉＴｉ义枯一乂ｋ；ｖ？乂ＤｉｓｓｅｒｔａｔｉｏｎＳｕｂｍｉｔｔｅｄｔｏＺｈｅｉａｎｊｇＵｎｉｖｅｒｓｉｔｆｏｒｔｈｅＤｅｒｅｅｏｆｙｇＭａｓｔｅｒｏｆＥｎｉｎｅｅｒｉｎｇｇ？ＴＩ

3、ＴＬＥ：ＲｅｓｅａｒｃｈｏｎｂａｃｋｇｒｏｕｎｄｍｏｄｅｌａｎｄｓｃｏｒｅｉｓｓｕｅｓｆｏｒｓｅａｋｅｒｒｅｃｏｇｎｉｔｉｏｎｐＡｕ也ｏｒ：Ｙｏｎｇｋｕ打ＳｉｍＳｕｐｅｒｖｉｓｏｒ：Ａｓｓｏｃ．Ｐｒｏｆ．ＹｉｎｇｃｈｕｎＹａｎｇＳｕｂｅｃｔ：ＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅｊＣｏＵｅｇｅ：ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ：ＪａｎＳｕｂｍｉｔｔｅｄＤａｔｅ．２０１６独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中

4、特别加Ｗ标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得浙江大学或其他教巧机构的学位或证书而使用过的材料一。与我同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。学位论文作者签名签字円期：年＾月／０円学位论文版权使用授权书本学位论文作者完全了解浙狂大学有关保留、使用学位论文的规定，有校保留并向国家有关部口或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权浙狂大学可Ｗ将学位论义的全部或部分内容编入有关数据库进行检索，可Ｗ采用影印、缩印或扫描等复制手段保存、汇编学位论

5、文。（保密的学位论文在解密后适用本授权书）学位论文作者签名导师签名；參条按〇签字Ｒ期：沁〇／的＾月日签字円期；又八年；月／円浙江大学硕±学位论文摘要摘要一作为种生物认证识别技术，说话人识别技术具有远程控制的独特优势，在互联网发展日新月异的今天拥有非常广泛的应用前景。近年来出现的说话人识别－－ＳＶＭ＾－主流方法如ＧＭＭ，ＪＦＡ和ｉｖｅｃｔｏｒ都是１＾？ＧＭＭＵＢＭ（ＧａｕｓｓｉａｎＭｉｘｔｕｒｅ等－Ｕｎｉｖｅａ－通用背景模型）的识别框架为基础。ＭｏｄｅｌｒｓｌＢａｃｋｇｒｏｕｎｄＭｏｄｅｌ，髙斯混合

6、－因此对ＧＭＭ－ＵＢＭ的研巧仍有很大价值。本文基于ＧＭＭＵＢＭ的说话人识别框架，对背景模型建模与得分问题进行了新的探索，并提出了改进系统安全性和性能的方法。本文主要贡献如下：１．对通用背景模型ＵＢＭ的构建方法进行了新的尝试。我们验证了自包容的ＵＢＭ的有效性，并在此基础上提出了支撑说话人的概念，即对构建ＵＢＭ起关键作用的是部分关键说话人。通过ＰＣＡ降维我们发现，空间分布分散的说话人更有１助于組成支撑说话人集合，比随机选择的方式平均识别效果好％左右；２．针对说话人识别系统的样本复制语音攻击极大限制了说话人识别技术的一ｅ应用和发展。我们

7、提出了种基于模型阶数相关的似然得分单调性（ＯｒｄｒｄｅｐｅｎｄｅｎｔＬｉｋｅｌｉｈｏｏｄＳｃｏｒｅＭｏｎｏｔｏｎｉｃ，ＯＬＳＭ）的样本复制语音检测方法，该方－法利用了ＧＭＭ模型的过拟合现象，可Ｗ有效提高ＧＭＭＵＢＭ说话人识别系统的安全性。ＭＡＳＣ库上该方法对样本复制语音的检测正确率达９９．３％。一３．ＧＭＭｔｏｋｅｎ。作为是似然得分最高的高斯分量的索引种高层次特征，ＧＭＭｔｏｋｅｎ可Ｗ提供很多辅助信息来提高系统性能。传统ＧＭＭｔｏｋｅｎ中只取得分最高的高斯分量－Ｂｅｓｔ，我们将它扩展为取前Ｎ个得分最高的高斯分量，即Ｎ

8、ｔｏｋｅｎ；此外，我们研