（通信与信息系统专业论文）独立分量分析及其在语音特征提取中的应用.pdf

d l l 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独 立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不 包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研 究作出重要贡献的个人和集体，均己在文中以明确方式标明。本声明 的法律责任由本人承担。 论文作者签名：塞砂缸乞日论文作者签名：型! 竺! 三日期： 关于学位论文使用授权的声明 本人完全了解山东大学有关保留、使用学位论文的规定，同意学 校保留或向国家有关部门或机构送交论文的复印件和电子版，允许论 文被查阅和借阅；本人授权山东大学可以将本学位论文的全部或部分 内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段 保存论文和汇编本学位论文。 ( 保密论文在解密后应遵守此规定) z 论文作者签名：继导师签名：期：2 丝：多：岁 山东大学硕士学位论文 中文摘要 a b s t p a c t 目录 符号说明5 第一章绪论。7 1 1 课题的研究背景和意义7 1 2 独立分量分析8 1 3 说话人识别技术与语音特征提取一lo 1 4 本论文的主要研究内容和贡献1 2 1 5 论文结构1 2 第二章独立分量分析方法1 4 2 1 独立分量分析基础1 4 2 1 1 i c a 数学模型一1 4 2 1 2i c a 的约束条件和不确定性1 5 2 1 3 经典i c a 算法1 6 2 2 稀疏分量分析19 2 2 1 典型聚类算法一2 0 2 2 2 源信号估计算法2 l 2 2 3m a p 算法2 3 第三章高斯噪声环境下基于ic a 的语音特征提取。2 6 3 1 引言2 6 3 2 基于帧的语音特征提取系统2 6 3 2 1 预处理。2 7 3 2 2 美尔倒谱特征2 8 3 2 3d e t l a 特征计算2 8 3 2 4 特征选择2 8 3 3 高斯混合模型2 9 山东大学硕士学位论文 3 3 1 高斯混合模型的概率密度函数2 9 3 3 2 参数估计过程3 0 3 4 基于i c a 的高斯噪声环境语音特征提取3 2 3 4 1 信号的概率模型3 2 3 4 2 基于峭度的有效性分析3 3 3 4 3 基于i c a 的特征提取方法3 5 3 4 4 特征选择3 6 3 5 实验结果及分析3 7 3 6 小结4 0 第四章非高斯噪声环境下基于ic a 的语音信号特征提取。4 l 4 1 引言4 l 4 2 带噪语音信号训练生成的i c a 特征4 l 4 2 1 非高斯噪声环境下i c a c 特征的性能分析一4 1 4 2 2 系统模型4 2 4 3 实验结果及分析4 4 4 4 ，j 、结。4 6 第五章总结与展望。 4 8 附录语音数据库简介。5 0 参考文献 致谢 攻读硕士学位期间发表和投出的论文 n 5 2 5 6 5 9 山东大学硕士学位论文 c o n t e n t s c h i n e s ea b s t r a c t 1 a b s t r a c t 。3 a b b r e v i a t i o nl i s t 5 c h a p t e r1i n t r o d u c t i o n 7 1 1b a c k g r o u n d 7 1 2i n d e p e n d e n tc o m p o n n e n ta n a l y s i s 8 1 3s p e a k e rr e c o g n i t i o na n ds p e e c hf e a t u r ee x t r a c t i o n 10 1 4m a i nc o n t r i b u t i o n s 1 2 1 5o r g a n i z a t i o no f t h et h e s i s 1 2 c h a p t e r2m e t h o d so fi n d e p e n d e n tc o m p o n e n ta n a l y s i s 1 4 2 1b a s i ct h e o r e t i c so fi c a 一l4 2 1 1m a t h c m a t i cm o d e lo fi c a 14 2 1 2c o n s t r a i n sa n da m b i g u i t i e so fi c a 15 2 1 3c l a s s i c a li c a a l g o r i t h m s 16 2 2s p a r s ec o m p o n e n ta n aiy sis 1 9 2 2 1t y p i c a lc l u s t e r i n ga l g o r i t h m 2 0 2 2 2s o u r c 宅e s t i m a t i o na l g o r i t h m 2 1 2 2 3m a p a l g o r i t h m 2 3 c h a p t e r3i c a - b a s e ds p e e c hf e a t u r ee x t r a c t i o ni ng a u s s i a nn o i s ye n v i r o n m e n t 2 6 3 2 s p e e c hf e a t u r ee x t r a c t i o ns y s t e mb a s e do ns p e e c hf r a m e s 2 6 3 2 1p r e p r o c e s s i n g 2 7 3 2 2m e l f r e q u e n c yc e p s t r a lc o e f f i c i e n t sf e a t u r e 2 8 3 2 3c o m p u t a t i o no fd e t l af e a t u r e 。2 8 ：；2 4f e a t u r es e l e c t i o n ：1 8 3 3g a u s s i a nm i x t u r em o d e l 2 9 3 3 1p r o b a b i l i t yd e n s i t yf u n c t i o no f g a u s s i a nm i x t u r em o d e l 2 9 3 3 2p a r a m e t e re s t i m a t i o n 3 0 i l i 山东大学硕士学位论文 中文摘要 语音是实现人们之间沟通交流的最直接与方便的手段。近年来实现人与计算机 之间高效的语音交流，也成为人们梦寐以求的梦想，语音识别是其中的关键技术。 语音识别是指计算机对人类语音进行正确响应的技术。广义的语音识别技术包括 语音识别、说话人识别、语种识别等。 说话人识别，是一项根据语音中反映说话人生理和行为特征的语音参数来识别 说话人身份的技术，其核心是通过预先得到的说话人的声音样本来提取其语音特 征，然后保存在数据库中，在应用时将目标语音和数据库中的特征进行匹配来确 定说话人身份。 从本质上讲，说话人识别可以大体上分为特征提取和识别模型两部分内容， 传统的说话人识别主要采用梅尔倒谱系数进行特征提取，然而这种方法在噪声环 境中的鲁棒性还有待于提高。缺少简单可靠的语音特征参数成为制约说话人识别 技术发展的一道重要障碍。 盲源分离是在对彼此独立的源信号的混合过程及各个源信号本身均未知的情 况下，根据信号的统计特性从几个混合观测信号中恢复出这些未知的源信号，实 现混叠信号的盲分离，从而提取出各个源信号。独立分量分析是在研究盲源分离 过程中出现的一种全新的数据分析和信号处理方法，自其出现便成为信号处理、 数值分析、统计及神经网络等领域中的热点研究问题，并在语音处理、生物医学 信号处理、模式识别、特征提取、数据压缩、图像处理和电子通讯等方面获得了 非常广泛的应用。近来，独立分量分析被应用于对数美尔滤波器能量系数，得到 与梅尔倒谱系数相似的的特点和性能更好的语音特征，对说话人识别技术有重要 的研究意义。 本论文研究了独立分量分析的基本理论和稀疏分量分析方法，将独立分量分 析方法应用到说话人识别中的特征提取过程。论文的主要工作有如下几个方面： 1 介绍了传统的美尔倒谱系数特征中采用的基于帧的语音特征提取系统，在 线性变换阶段用基于独立分量分析变换代替其中的离散余弦变换，获得基于独立 分量分析的特征。 山东大学硕士学位论文 2 将由无噪语音信号训练生成的独立特征，应用到无噪和高斯噪声环境下的 特征提取过程中。通过基于峭度的有效性分析，从理论的角度证明基于独立分量 分析的特征在无噪和高斯噪声环境下对特征提取过程中的有效性；实验仿真中， 将这种基于无噪信号的独立分量特征和美尔倒谱系数特征应用于无噪和高斯噪声 环境的说话人识别任务，结果证明，前者具有更好的识别性能。 3 分析了基于独立分量分析的特征在非高斯噪声环境下对说话人识别任务的 不足，提出一种由带噪语音信号训练生成独立分量分析特征的信号表征模型：实 验仿真中，将其应用于非高斯环境下的说话人识别任务，结果证明基于带噪语音 的独立分量分析特征识别性能明显优于美尔倒谱系数特征和基于无噪语音的独立 分量分析特征。 应该指出的是，本文涉及的语音特征对环境噪声的鲁棒性仍待增强，论文最 后对今后的工作进行了展望。 关键词：说话人识别；特征提取；信号表征；盲源分离；独立分量分析；稀疏分 量分析 2 山东大学硕士学位论文 a b s t r a c t s p e e c hi st h em o s td i r e c ta n dc o n v e n i e n tm e t h o di nt h ec o m m u n i c a t i o nb e t w e e n d i f f e r e n tp e r s o n 。i nr e n c e n ty e a r s ，w ea l w a y se a r n e s t l yl o n gf o ra c h i e v i n ga u d i o c o m m u n i c a t i o nb e t w e e nh u m a na n dc o m u t e r , i nw h i c h ，s p e e c hr e c o g n i t i o ni so n et h e k e yp o i n tt e c h n i q u e g e n e r a l i z e ds p e e c hr e c o g n i t i o ni st e c h n i q u e ，b yw h i c ht h e c o m p u t e rc a nm a k er i g h tr e s p o n s et ot h eh u m a nv o i c e 。i ti sm a n i l yd i v i d e di n t os p e e c h r e c o g n i t i o n ，s p e a k e rr e c o g n i t i o n ，l a n g u a g er e c o g n i t i o n ，e t c s p e a k e rr e c o g n i t i o ni sat e c h n i q u et or e c o g n i z ei d e n t i t yo ft h es p e a k e rw i t hs p e e c h p a r a m e t e rr e f l e c t i n gt h e i rp h y s i o l o g i c a la n db e h a v i o rf e a t u r e t h ec o r ep r o c e d u r eo f s p e a k e rr e c o g n i t i o ni so b t a i n i n gs p e e c hf e a t u r e st h r o u g hs p e e c hs a m p l e so fs p e a k e r s ， t h e ns a v i n gt h e mi n t od a t a b a s e ，c o n f i r m i n gt h ei d e n t i t yo fs p e a k e rb ym a t c h i n gt h e t a r g e ts p e e c ht ot h ef e a t u r ei nd a t a b a s ea tl a s t e s s e n t i a l l y , s p e a k e rr e c o g n i t i o nc a nb ed i v i d e di n t ot w op a r t so nt h ew h o l e ，f e a t u r e e x t r a c t i o na n dr e c o g n i t i o n m o d e l m e l - f r e q u e n c yc e p s t r a lc o e f f i c i e n t s i st h em a i n f e a t u r ei nt r a d i t i o n a ls p e a k e rr e c o g n i t i o nt a s k b u tt h er o b u s t n e s so ft h i sf e a t u r ei sn o t e n o u g hi nn o i s ye n v i r o n m e n t s c a r c i t yo f r e l i a b l es p e e c hf e a t u r eh a sb e e na ni m p o r t a n t h a n d i c a pt od e v e l o p m e n to fs p e a k e rr e c o g n i t i o nt e c h n i q u e b l i n ds o u r c es p a r a t i o n ( b s s ) r e c o v e ri n d e p e n d e n ts o u r c es i g n a l sf r o mt h e o b s e r v e dm i x t u r e so n l yb yt h es t a t i s t i cc h a r a c t e r i s t i c s ，w i t h o u ta n yp r e k n o w l e d g eo f m i x i n gp a t t e r na n ds o u r c es i g n a l s i n d e p e n d e n tc o m p o n e n ta n a l y s i s ( i c a ) i saf i r e - n e w d a t aa n a l y s i sa n ds i g n a lp r o c e s s i n gm e t h o dw h i c ha p p e a r sd u r i n gt h er e s e a r c ho fb s s s i n c ei t sa p p e a r a n c e ，i c ah a sb e c o m eah o tt o p i ci ns i g n a lp r o c e s s i n g , d a t aa n a l y s i s ， s t a t i s t i c sa n dn e u l a ln e t w o r k s ，e t c a n di th a sb e e nw i d e l yu s e di ns p e e c hp r o c e s s i n g , b i o m e d i c a ls i g n a lp r o c e s s i n g , p a t t e r nr e c o g n i t i o n ，f e a t u r ee x t r a c t i o n , d a t ac o m p r e s s i o n ， i m a g ep r o c e s s i n g , a n dt e l e c o m m u n i c a t i o n s ，e r e r e c e n t l y , i c aw a sa p p l i e dt ol o g f i l t e r - b a n k - e n e r g i e s ，b yw h i c hc o u l dg e ts p e e c hf e a t u r e sw i t hs i m i l a rc h a r a c t e r i s t i ct o m e l - f r e q u e n c yc e p s t r a lc o e f f i c i e n t s ( m f c c ) a n db e t t e rp e r f o r m a n c e i th a sg r e a ts e n s e t ot h er e s e a r c ho ns p e a k e r r e c o g n i t i o nt e c h n i q u e i nt h i sd i s s e r t a t i o n ，w ei n t r o d u c et h eb a s i ct h e o r e t i c so fi c a ，a sw e l la sc o m p o n e n t a n a l y s i s ( s c a ) ；t h e n , w ea p p l yi c at ot h ef e a t u r ee x t r a c t i o np r o c e d u r ei ns p e a k e r 3 山东大学硕士学位论文 r e c o g n i t i o nt a s k ，d or e s e a r c ha sf o l l o w s ： 1 as i g n a lf r a m e sb a s e ds p e e c hf e a t u r ee x t r a c t i o ns y s t e m ，w h i c hc a ng e tt h em f c c f e a t u r e s ，i si n t r o d u c e d t h ei c a - b a s e df e a t u r e sa r eo b t a i n e db ya p p l yi c a t ot h el i n e a r t r a n s f o r m a t i o np r o c e d u r ei nt h i ss y s t e m ，i n s t e a do ft h ed i s c r e t ec o s i n et r a n s f o r m 2 i c a - b a s e df e a t u r e so b t a i n e db yt r a i n i n gt h ec l e a ns p e e c hs i g n a l s ，i sa p p l i e dt o f e a t u r ee x t r a c t i o np r o c e d u r ei nc l e a na n dg u a s s i a nn o i s ye n v i r o n m e n t t h ee f f e c t i v e n e s s o fi c af e a t u r e so b t a i n e df r o mc l e a ns p e e c hi sp r o v e db ya c a d e m i ca n a l y s i sb a s e do n k u r t o s i s i ne x p e r i m e n ts i m u l a t i o n ，i c af e a t u r e so b t a i n e df r o mc l e a ns p e e ha n dm f c c f e a t u r e s a r eb o t ha p p l i e dt os p e a k e rr e c o g n i t i o nt a s kf o rc l e a na n dg u a s s i a nn o i s y c o r r u p t e ds p e e c h t h ee x p e r i m e n t a lr e s u l t sp r o v et h a t ，i c a - b a s e df e a t u r e sh a v eb e t t e r p e r f o r m a n c e t or e c o g n i t i o n 3 t h es h o r t a g eo fi c af e a t u r e so b t a i n e df r o mc l e a ns p e e c hi sa n a l y z e di nt h e o r e t i c p o i n to f v i e wi nn o n g u a s s i a nn o i s ye n v i r o n m e n t an e ws i 印a 1r 印r e s e n t a t i o nm o d e li s p r o p o s e d ，i nw h i c hi c a b a s e df e a t u r e s a r eo b t a i n e db yt r a i n i n gt h en o n g u a s s i a n c o r r u p t e ds p e e c h i ne x p e r i m e n ts i m u l a t i o n ，i c af e a t u r e so b t a i n e df r o mn o i s ys p e e c hi s a p p l i e dt os p e a k e rr e c o g n i t i o nt a s k i nn o n g u a s s i a nn o i s ys p e e c h t h ee x p e r i m e n t a l r e s u l t sp r o v et h a t ，i c af e a t u r e sb a s e do nn o i s ys p e e c hh a v eo b v i o u sb e t t e rp e r f o r m a n c e t or e c o g n i t i o nt h a nm f c cf e a t u r e sa n di c af e a t u r e sb a s e do nc l e a ns p e e h h o w e v e r , t h er o b u s t n e s so fs p e e c hf e a t u r e sr e f e r e di nt h i ed i s s e r t a t i o ns t i l ln e e dt o b ei m p r o v e di nn o i s ye n v i r o n m e n t a tt h ee n do ft h i sd i s s e r t a t i o n ，t h ef u t u r ed i r e c t i o n s - o fo u rr e s e a r c ha r es u m m a r i z e da n dp r o s p e c t e d k e yw o r d s ：s p e a k e rr e c o g n i t i o n ；f e a t u r ee x t r a c t i o n ；s i g n a lr e p r e s e n t a t i o n ；b l i n ds o u r c 是 s e p a r a t i o n ；i n d e p e n d e n tc o m p o n e n ta n a l y s i s ；s p a r s ec o m p o n e n ta n a l y s i s 4 山东大学硕士学位论文 变量命名规则： 标量值 向量 矩阵 下标 上标 甩 n a “人， “丁” “h ” “， 运算符和一般函数： p ( ) 矽( ) 日( ) j ( - ) k u r t ( ) 一般变量： s源语音信号 x观测语音信号 y 或分离或恢复源语音 n噪声向量 a混叠矩阵 w分离矩阵 符号说明 斜体 小写字母正黑体 大写字母正黑体 序列号，用来区分不同的变量。 变量的估计版本，例如；表示原始语音的估计； 矩阵或向量的转置； 矩阵或向量的共轭转置； 变量的复共轭。 概率分布或概率密度函数 准则函数 计算随机变量的熵 计算随机变量各分量的互信息 计算随机变量的峭度 i单位阵 r 或步长因子 a系数 g ( )任意非二次函数 g ( )g ( ) 的导数 g ( )g ( ) 的导数 5 山东大学硕士学位论文 1 1 课题的研究背景和意义 第一章绪论 语音是实现人们之间沟通交流的最直接与方便的手段，如何实现人与计算机之 间高效的语音交流，近年来也成为人们关注的课题，语音识别是其中的关键技术。 语音识别是指计算机对人类语音进行正确响应的技术【1 1 。广义的语音识别( s p e e c h r e c o g n i t i o n ) 技术包括语音识别、说话人识别、语种识别等。 说话人识别( s p e a k e rr e c o g n i t i o n ，s r ) ，是一项根据语音中反映说话人生理和行 为特征的语音参数来识别说话人身份的技术。其核心是通过预先得到的说话人的 声音样本来提取其语音特征，然后保存在数据库中，然后在应用时将目标语音和 数据库中的特征进行匹配来确定说话人身份。说话人识别需要从各个说话人的发 音中找出说话人之间的个性差异，它涉及说话人发音器官、发声声道和发音习惯 之间不同等级的个性差异。说话人识别，是交叉运用心理学、生理学、语音信号 处理、模式识别、统计学习理论和人工智能的综合性研究课题。 从本质上讲，说话人识别可以大体上分为特征提取( f e a t u r ee x t r a c t i o n ) 和识 别模型( r e c o g n i t i o nm o d e l ) 两部分内容f 2 1 ，传统的说话人识别主要采用梅尔倒谱 系数( m e l f r e q u e n c yc e p s t r u m ，c o e f f i c i e n t s ，m f c c ) 方法进行特征提取，然而这种 方法在噪声环境中的鲁棒性还有待于提高，那么缺少简单可靠的语音特征参数也 成为制约说话人识别技术发展的一道重要障碍【孓4 l 。 独立分量分析( i n d e p e n d e n tc o m p o n e n ta n a l y s i s ，i c a ) 是在研究盲源分离 ( b l i n ds o u r c es e p a r a t i o n ，b s s ) 过程中出现的一种全新的数据分析和信号处理方 法【5 】。盲源分离是在对彼此独立的源信号的混合过程及各个源信号本身均未知的情 况下，根据信号的统计特性从几个混合观测信号中恢复出这些未知的源信号，实 现混叠信号的盲分离，从而提取出各个源信掣蚰l 。 i c a 自其出现便成为信号处理领域中的热点研究问题，并且取得了许多重要的 进展。i c a 有效的盲源分离和特征提取作用使其在生物医学信号处理、图像处理、 语音信号处理等领域都有着非常重要的应用。近年，i c a 被应用于对数滤波器能量 7 山东大学硕士学位论文 系数( 1 0 9f i l t e r - b a n k e n e r g i e s ) 得到与m f c c 特征相似的的特点和更好的语音特征 【9 l 们，对说话人识别技术有重要的研究意义。 说话人识别( 也称作声纹识别) 技术与指纹识别、掌形识别和虹膜识别相比， 因其独特的方便性、经济性和准确性，可以应用到需要身份验证的各种安全领域 中，有着广阔的应用前景 1 l j 2 】。比如： 公安系统侦查。对于绑架、电话勒索以及电话骚扰和攻击等案件，可以利 用声纹识别技术，从电话录音中查找和查证嫌疑人。在美国，相关机构还 利用该技术来判断监外执行人员是否在其住所中。 增强网络安全。当前网络中普遍使用的口令和密码，随着其在不同场合的 高频使用，缺陷同渐明显。在声纹识别中，每次发音都由随机产生的提示 文本控制，就可以有效地防止复制、盗窃，从而为高速发展的网络和电子 商务提供安全保障。 军队安全系统。声纹识别技术能够辨别出电话交谈过程中是否有关键说话 人的出现，然后对交谈内容进行处理；而且可以通过该技术来确认电话军 事指令中，指令发出者的身份。 如今，说话人识别技术的研究已经越来越受到人们的重视，特别是获得了计算 机和电子科学技术领域的广泛关注。 1 2 独立分量分析 盲源分离( b l i n ds o u r c es e p a r a t i o n ，b s s ) 是在对彼此独立的源信号的混合过 程及各个源信号本身均未知的情况下，根据信号的统计特性从几个混合观测信号 中恢复出这些未知的源信号，实现混叠信号的盲分离，从而提取出各个源信号。 一个典型的例子就是鸡尾酒会问题，假设多个人在一个房间内同时都在讲话，盲 源分离考虑仅通过房间内若干个麦克风接收到的混叠声音，把不同说话者的声音 分开。 独立分量分析( i n d e p e n d e n tc o m p o n e n ta n a l y s i s ，i c a ) 是在研究盲源分离过 程中出现的根据输入源信号的统计特性，仅由观测信号恢复出源信号的各个独立 成分的种全新的数据分析和信号处理方法钔，是解决盲源分离问题的一个最广 8 山东大学硕士学位论文 泛、有效的工具，盲源分离问题的解决一般都建立在独立分量分析理论之上。独 立分量分析方法考虑到源信号的统计独立性，即假定不同的源信号在每一个时间 点统计独立，而且源信号是非高斯的，或至多只有一个是高斯信号。虽然这在实 际中不完全准确，但在许多情况下，这并非是一个不切实际的假设，语音信号往 往可以近似的满足这些假设。i c a 的研究具有非常重要的理论意义，因此它自出 现始即成为信号处理领域的研究热点。从1 9 9 9 年到2 0 0 9 年间，关于i c a 的理论 和应用专题的国际学术会议先后在法国、芬兰、美国、同本、西班牙和台湾召开。 多年来，独立分量分析理论研究及其应用取得了许多重要的进展：1 9 9 0 年 c a r d o s o 和c o m m o n 提出了基于张量( t e n s o r ) 分析的独立分量分析方法【吲；c a r d o s o 于1 9 9 3 年又提出了基于高阶统计的联合对角化方法( j a d e 算法) ，将其成功用于 波束形成理论n6 1 ；1 9 9 5 年，s e j n o w s k i 和b e l l 基于信息论，通过输出输入之间熵 最大得到了i n f o m a x 算法【l7 1 ；19 9 6 年，a m a r i 和c i c h o c k i 基于信息理论中的概率 密度的c r a m c h a r l i e r 展开，提出了最小互信息( m m i ) 算法【1 8 】；1 9 9 7 年，h y v a r i n e n 和o j a 基于峭度最大化原理给出了一种快速定点i c a ( f a s t i c a ) 算法“9 驯；1 9 9 9 年，h y v a r i n e n 进一步基于近似负熵准则给出了一种新的定点f a s t l c a 算法【2 1 1 。 f a s t l c a 算法具有计算简单、迭代稳定、收敛速度快等非常突出的优点，并且不需 要任何步长参数，通过选取合适的非线性函数还可以来找到最优解，因此自其出 现后便被广泛用于各种盲源分离应用之中。 随着i c a 的研究更为深入，进入本世纪以来与实际环境更为接近的卷积混叠 的盲源分离( 盲反卷积) 问题【2 2 。2 6 l 以及解决观测信号少于源信号数目的欠定盲源 分离的稀疏分量分析( s p a r s ec o m p o n e n ta n a l y s i s ，s c a ) 。扫1 ，受到更多关注。此外， 还有基于张量的i c a 方法在生物医学的应用【3 0 1 以及非平稳信号的盲源分离方法 口，也有了很大进展。 独立分量分析应用非常广泛，其有效的盲源分离和特征提取作用使其在语音 信号处理，图像处理，生物医学信号处理【3 2 。3 4 1 ，电子通讯，地震，特征提取【3 5 1 ， 气候预测【3 6 期，经济等很多领域都有着非常重要的应用。 9 1 3 说话人识别技术与语音特征提取 说话人识别( s p e a k e rr e c o g n i t i o n ，s r ) 技术( 也称声纹识别技术) ，是一项根据 语音中反映说话人生理和行为特征的语音参数来识别说话人身份的技术。其核心 是通过预先得到的说话人的声音样本来提取其语音特征，保存在数据库中，然后 在应用时将目标语音和数据库中的特征进行匹配来确定说话人身份。 说话人识别任务根据识别方式的不同，可分为三类【3 8 1 ： 1 ) 说话人鉴别，是指在给定用户集中把测试语音所属的说话人区分出来； 2 ) 说话人确认，是指针对单个用户，通过测试语音来确认是否是其所声称的 用户身份； 3 ) 说话人探测跟踪，指包含在多个说话人的一段语音中，正确判断其中说话 人切换的时间点。 说话人识别系统的系统结构主要包含4 个模块，如图1 1 所示： 图l l说话人识别系统逻辑框图 其中最关键的就是特征提取( f e a t u r ee x t r a c t i o n ) 雨t l 说话人模型的建立。 考虑说话人模型的建立时，我们需要注意同一说话人在在不同时间说同一句话 时也有很大变化，但其语音个性特征从统计角度来讲具有一致性，所以我们可以 利用概率密度函数来描述说话人帧特征在特征空间中的分布。要获得这样的概率 l o 山东大学硕士学位论文 密度函数就需要大量样本，但同时再多的样本也不可能得到精确的解析形式，所 以只能选择一种概率密度函数来模拟声音信号。要求这种函数，能够基本描述帧 特征的分布、便于参数的熟练和估计，并且具有一定鲁棒性。常用的模型有向量 量化模型【3 9 】、高斯混合模型【加1 、隐马尔科夫模型【4 l 】和神经网络模型【4 2 】。9 0 年代， r e y n o l d s 灵j 高斯混合模型作了详尽的介绍【4 0 1 ，g m m 因其简单、高效、可靠将说话 人识别研究带入一个新的阶段。 在处理语音信号的过程中，我们必须先对大量的样本进行参数化，提取有代表 性的部分数据来表征某一段语音信号，这个过程就是特征提取。特征提取把声音 的每个片段( 1 0 - - 3 0 m s ) 映射到多维特征空间，从而得到能够表征说话人的特征向 量序列。为了顺利完成说话人识别，特征向量要满足：具有很高的用户识别能力； 充分体现用户个体间的差异；减少用户自身的差异。目前主要的说话人特征主要 有【4 3 1 ：线性预测系数( 1 i n e a rp r e d i c t i o nc e p s t r u mc o e f f i c i e n t s ，l p c c ) 、美尔倒谱系数 ( m e l f r e q u e n c yc 印s t r u mc o e f f i c i e n t s ，m f c c ) 。 线性预测( 1 i n e a rp r e d i c t i o n ，l p ) 分析是语音识别领域应用最广泛的语音分析 技术之一，其基本思想是】：语音信号样点之间存在相关性，可以用过去的若干 个样点或它们的线性组合来逼近现在或将来的样点值。通过使实际语音采样值和 线性预测样点值之间的均方误差最小，得到一组唯一的线性预测系数( 1 i n e a r p r e d i c t i o nc o e f f i c i e n t s ，l p c ) ；将倒谱技术应用于l p c ，就得到了l p c c 。l p c c 能提 供语音信号的预测波形和说话人声道模型，较好地表征语音特征。 2 0 世纪7 0 年代，d a v i s 最早提出了美尔倒谱系数的概念【4 5 1 。美尔倒谱系数语音 信号的短时频谱，首先在频域把频率轴变换为美尔频率刻度，再将其变换到倒谱 域。m f c c 与l p c c 相比，突出语音中信息较为集中的低频成分，对信号无任何前 提假设，且考虑了人耳的听觉机理，因其较好的识别效果和噪声鲁棒性，成为说 话人识别中的主流参数。但值得注意的是，m f c c 针对噪声的鲁棒性仍然不太理想。 近年来，i c a 被应用于对数谱域达到与美尔倒谱系数相似的特点，应用于对数 滤波器组能量系数( 1 0 9 r i t h mf i l t e r - b a n k - e n e r g i e s ，l o g f b e s ) 上来实现语音 识别，并且取得了不错的识别性能。本文中我们更深入的探讨，基于i c a 的语音特 征在说话人识别任务中的性能。 程中，做了以下方面的研究： 1