基于改进MFD的I-Vector说话人识别

●一ｔ■　“ｄｉｏ　ＥｎｇｉＨｅｅ　ｒ｝　ｇ　语蠢技术　＠６＠＠　而ｉ　面　文献引用格式：李湾湾，范承志，祁才君．基于改进ＭＦＤ的Ｉ－Ｖｅｃｔｏｒ说话人识别［Ｊ］．电声技术，２０１６，４０（１２）：４３－４８．　Ｌ１　ｗａｎｗａｎ，ＦＡＮ　Ｃｈｅｎｇｚｈｉ，ＱＩ　Ｃａｉｊｕｎ．Ｉｍｐｒｏｖｉｎｇ　ＭＦＤ　ｔｅｃｈｎｉｑｕｅ　ｆｏｒ　Ｉ－Ｖｅｃｔｏｒ　ｂａｓｅｄ　ｓｐｅａｋｅｒ　ｒｅｃｏｇｎｉｔｉｏｎ［Ｊ］．Ａｕｄｉｏ　Ｅｎｇｉ－　ｎｅｅｒｉｎｇ，２０１６，４ｏ（１２）：４３＿４８．　中图分类号：ＴＮ９１２．３　文献标识码：Ａ　ＤＯＩ：１０．１６３１１／ｊ．ａｕｄｉｏｅ．２０１６．１２．１０　基于改进ＭＦＤ的Ｉ－Ｖｅｃｔｏｒ说话人识别　李湾湾，范承志，祁才君　（浙江大学电气工程学院，浙江杭州３１￣２７）　摘要：基于Ｉ－Ｖｅｃｔｏｒ的说话人识别系统通常采用ＬＤＡ进行信道补偿和特征降维，在开发集样本有限的情况下，ＬＤＡ　的区分性不强。基于此，提出一种改进Ｉ－Ｖｅｃｔｏｒ说话人确认算法。在话者样本数较少的情况下，以中值ｆ向量代替　均值ｉ向量作为集中统计量可以减少区分信息的丢失。随着样本数量增加，改进中值分类器，采用去最大最小值后　求均值的方法作为ｉ向量的集中趋势。用此方法计算类间与类内离散度矩阵后，对ｆ向量进行信道补偿和降维。结　合高斯ＰＬＤＡ模型，以ＬＤＡ和ＷＣＣＮ为基线系统进行仿真对比。实验结果表明，提出的算法具有良好的区分性能，　在有限的话者语音样本数量范围内，与基线相比能提升总和约３％的性能。　关键词：说话人识别；　向量；ＰＬＤＡ模型；线性区分性分析；改进中值分类器；信道补偿　Ｉｍｐｒｏｖｉｎｇ　ＭＦＤ　ｔｅｃｈｎｉｑｕｅ　ｆｏｒ　Ｉ－Ｖｅｃｔｏｒ　ｂａｓｅｄ　ｓｐｅａｋｅｒ　ｒｅｃｏｇｎｉｔｉｏｎ　ＬＩ　Ｗａｎｗａｎ，ＦＡＮ　Ｃｈｅｎｇｚｈｉ，ＱＩ　Ｃａｉｊｕｎ　（Ｃｏｌｌｅｇｅ　ｏｆ　Ｅｌｅｃｔｉｒｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，ＺｈｅＪｉａｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ　３１００２７，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｉ－Ｖｅｃｔｏｒ　ｂａｓｅｄ　ｓｐｅａｋｅｒ　ｒｅｃｏｇｎｉｔｉｏｎ　ｓｙｓｔｅｍ　ｕｓｕａｌｌｙ　ｕｓｅｓ　ＬＤＡ　ｔｅｃｈｎｉｑｕｅ　ｆｏｒ　ｃｈａｎｎｅｌ　ｃｏｍｐｅｎｓａｔｉｏｎ　ａｎｄ　ｆｅａｔｕｒｅ　ｄｉ—　ｍｅｎｓｉｏｎ　ｒｅｄｕｃｔｉｏｎ，ｉｎ　ｔｈｅ　ｃａｓｅ　ｏｆ　ｌｉｍｉｔｅｄ　ｓｅｓｓｉｏｎ　ｄｅｖｅｌｏｐｍｅｎｔ　ｄａｔａ，ｔｈｅ　ｓｅｐａｒａｔｉｏｎ　ａｂｉｌｉｔｙ　ｏｆ　ＬＤＡ　ｉｓ　ｎｏｔ　ｏｂｖｉｏｕｓ．Ａｉｍｉｎｇ　ａｔ　ｔｈｉｓ　ｐｒｏｂｌｅｍ，ａｎ　ｉｍｐｒｏｖｉｎｇ　Ｉ－Ｖｅｃｔｏｒ　ｓｐｅａｋｅｒ　ｖｅｒｉｆｉｃａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ｐｒｏｐｏｓｅｄ　ｕｓｉｎｇ　ＭＦＤ　ｔｅｃｈｎｉｑｕｅ．Ｂｙ　ｔａｋｉｎｇ　ｔｈｅ　ｍｅｄｉａｎ　ａｓ　ｔｈｅ　ｅｓｔｉｍａｔｏｒ　ｆｏｒ　ｔｈｅ　ｃｅｎｔｒａｌ　ｔｅｎｄｅｎｃｙ，ｉｎｓｔｅａｄ　ｏｆ　ｔｈｅ　ｍｅａｎ，ｔｈｅ　ＭＦＤ　ａｐｐｒｏａｃｈ　ｈｅｌｐｓ　ｔｏ　ａｔｔｅｎｕａｔｅ　ｔｈｅ　ｌｏｓｓ．Ａｎｄ　ｔｈｅｎ　ｇｅｔ　ｒｉｄ　ｏｆ　ｔｈｅ　ｍａｘｉｍｕｍ　ａｎｄ　ｍｉｎｉｍｕｍ　ｖａｌｕｅｓ　ｆｏｒ　ａｖｅｒａｇｅ　ｉｎ　ｔｈｅ　ｃａｓｅ　ｏｆ　ｍｏｒｅ　ｓａｍｐｌｅｓ．Ｔｈｉｓ　ｉｍｐｒｏｖｅｄ　ＭＦＤ　ｅｓｔｉｍａｔｉｏｎ　ｉｓ　ｐｅｒ－　ｆｏｒｍｅｄ　ｂｙ　ｃａｌｃｕｌａｔｉｎｇ　ｔｈｅ　ｂｅｔｗｅｅｎ－ａｎｄ　ｗｉｔｈｉｎ－ｃｌａｓｓ　ｓｃａｔｔｅｒ　ｅｓｔｉｍａｔｉｏｎｓ　ｆｏｒ　ｃｈａｎｎｅｌ　ｃｏｍｐｅｎｓａｔｉｏｎ　ａｎｄ　ｄｉｍｅｎｓｉｏｎ　ｒｅｄｕｃｔｉｏｎ．　Ｃｏｍｂｉｎｉｎｇ　ＰＬＤＡ　ｍｏｄｅｌ，ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔｓ　ｏｎ　ｄｉｆｆｅｒｅｎｔ　ｓｅｓｓｉｏｎ　ｄｅｖｅｌｏｐｍｅｎｔ　ｄａｔａ　ｕｓｉｎｇ　ｔｈｅ　ｔｅｃｈｎｉｑｕｅｓ　ｍｅｎｔｉｏｎｅｄ　ａｂｏｖｅ　ａｒｅ　ｃｏｎｄｕｃｔｅｄ　ｃｏｍｐａｒｅｄ　ｗｉｔｈ　ｔｈａｔ　ｏｆ　ＬＤＡ　ｍｅｔｈｏｄ．Ｔｈｅ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｏｂｖｉｏｕｓ　ｉｍｐｒｏｖｅｍｅｎｔ　ｉｎ　ｓｅｐａｒａｔｉｎｇ　ｄｉｆｆｅｒｅｎｔ　ｓｐｅａｋｅｒｓ，ａｎｄ　ｔｈｅ　ＥＥＲ　ｈａｓ　ａ　３％ｒｅｄｕｃｔｉｏｎ　ｗｉｔｈｉｎ　ｔｈｅ　ｏｖｅｒａｌｌ　ｄｅｖｅｌｏｐｍｅｎｔ　ｄａｔａ．　Ｋｅｙ　ｗｏｒｄｓ：ｓｐｅａｋｅｒ　ｒｅｃｏｇｎｉｔｉｏｎ；Ｉ－Ｖｅｃｔｏｒ；ＰＬＤＡ　ｍｏｄｅｌ；ＬＤＡ；ｉｍｐｒｏｖｅｄ　ＭＦＤ；ｃｈａｎｎｅｌ　ｃｏｍｐｅｎｓａｔｉｏｎ　与二次验证码校验比较，生物特征验证更加安　全。相对指纹认证、面部轮廓（人脸）认证、虹膜认　间和信道子空间以及残差三部分，并通过移除信道　子空间的分量进行信道补偿。ＪＦＡ在进行信道补偿　时存在空间掩盖和重叠问题，因此Ｎ．Ｄｅｈａｋ等人　Ｊ　证以及ＤＮＡ认证等技术，语音信号获取容易，采集　设备成本较低，说话人识别技术更加容易普及。说　话人确认是说话人识别研究的一个重要分支，在语　音门禁、电话银行、数据库访问等系统中具有广泛　的应用前景和发展潜力…。　提出总变化因子Ｉ—Ｖｅｃｔｏｒ（Ｉｄｅｎｔｉｔｙ　Ｖｅｃｔｏｒ）技术，在　超矢量空间不区分说话人和信道，而将其作为一个　整体建模，在一个总变异空间Ｔ（Ｔｏｔａｌ　Ｖａｒｉａｂｉｌｉｔｙ　Ｓｐａｃｅ）里将帧数不一的语音映射为固定长度的低维　近年来，基于高斯通用背景模型＿２　（ＧＭＭ—　矢量。该方法可以使说话人识别系统的性能得到　提升，逐步成为该研究领域的前沿技术。　在提取Ｉ－Ｖｅｃｔｏｒ后，线性区分性分析ＬＤＡ（Ｌｉｎ－　ｅａｒ　Ｄｉｓｃｒｉｍｉｎａｎｔ　Ａｎａｌｙｓｉｓ）通过最大化类间离散度和　ＵＢＭ）的建模方法因其出色的分类性能已成为文本　无关说话人确认的主要应用模型。联合因子分析　ＪＦＡ（Ｊｏｉｎｔ　Ｆａｃｔｏｒ　Ａｎａｌｙｓｉｓ）　将ＵＢＭ均值超矢量　包含的说话人信息空间分解为说话人的特征子空　●■技一投稿网址：ｈｔｔｐ：／／ＡｕｄｉｏＥ．ｃｎ　最小化类内离散度准则对Ｉ矢量进行降维和信道补　ｒ——：１　２０１６￣第４０卷第１２期ｌ４３Ｉ　ｎｎ语音技术　＠５＠＠可⑧＠　∞◎　偿　、然而，在相似信道相近语音情　下ＬＤＡ并不能　充分利用类问判刖关系，导致系统鲁捧性变差　．　ｊ于以上研究的启发，本文提　一种改进Ｉ—Ｖ　ｔｏｌ・　１）ｉｓｅ￣’ｉｍｉｎａｔｏｒ）对ｌ—Ｖｅ（＿ｌｌ｝ｒ进行降维和信道补偿．并做　类内协方差归一化ＷＣＣＮ（Ｗｉｔｈｉｎ—Ｃｌａｓｓ　Ｃｏｖｍ＇ｉａｌｌｅｅ　Ｎｏｌ’ｅｒａｌｉｚａｔｉｏｎ）处理，得到更具判别性的ｌ—Ｖｅｃｔｏｒ’，进　说话人确认算法　采用改进ＭＦＤ（Ｍｅｄｉａｎ　ＦｉｓｈｅＪ・　入离斯ＰＬＤＡ模型打分，基本系统框架『』ｆ　ｌ所示　】１　Ｔ空间和Ｉ—Ｖｅｃｔｏｒ技术　Ｉ－Ｖｅｃｔｏｒ技术　引入了说话人总变异空问Ｔ的　统汁量，相应的公式为　Ⅳ　＝∑Ｐ（（一、　，Ｉ！）　ｆ＝Ｉ　（３）　（４）　慨念，将联合因子分析（ＪＦＡ）算法巾说话人冈子分　１信道　子分毓同时映射在一个低维空问巾。　给定一段语音，丛于Ｂａｕｍ—Ｗｅｌｃｈ统　‘城将与说话　，　Ｆ　＝∑，）（ｃ。　．　））　，　ｌ：ｌ　一ｆ，：ｃ‘是高斯冗什下标；，Ｊ是讲膏帧数；Ｊ　，是语音向　地；Ｐ（ｃｆＹ　ｎ）是，，　元件ｃ下的混合后验概率，　是　个高斯元件的参数　人稀１信道市Ｈ天的ＧＭＭ均值超向量降维到一个同定　Ｋ度的Ｉ－Ｖｅｃｔｏｌ。，最终缚个语段都能表示成长度相　的Ｉ－Ｖｅｃｔｏｒ向量。　Ｍ＝肌＋Ｔｗ＋￡　（１）　２　ＰＬＤＡ模型与打分　２．１　ＰＬＤＡ模型　式，ＩＩ．　是ＧＭＭ均值超向量；　是ＵＢＭ均值　；ｌｔ，与说话人和信道部无关，代表所彳丁人在任意　信道下的均值超向量的平均值；　为总变异空间，　是一个低秩的全局差异空间矩阵；ｗ为说话人冈　予，【＿乜就是Ｉ—Ｖｅｃｔｏｒ低维欠量，服从标准正态　分・　ｊ　概率线性鉴别分析（ＰＬＤＡ）将Ｉ—Ｖｅｃｔｏｒ视作南　生成式模型产生，早期作为信道补偿ｆｘ：分技术，ＰＩ｜一　ＤＡ　接在Ｉ—Ｖｅｅ　ｒ…’　问建模说话人干¨　道变量，　与ＪＩ：Ａ类似地不能准确区分说话人币¨俯道信息，移　除术征信道部分，并ｆｉ＿用全角矩阵表爪残差，似设　矩阵可根据期望最大化（ＥＭ）算法在训练语　第　个说话人的第　个ｌ－Ｖｅｅｔｏｒ表示为“一　９１ｌＪ其　，Ｊｉ过程框架为　ｗ，　＝　＋　＋。．　，（５）　音集上估计生成，给定一段语音，－　ｒ以根据式（２）得　到柑１应的Ｉ—Ｖｅｅｔｏｒ　“　＝［，＋　‘　，ｖ　］　ｒ，‘　‘。　…　，（２）　式ｆｌｌ：　为所有Ｉ—Ｖ　ｔｏｒ向量的均值；Ｖ表示说话人　空问（本征音矩阵）；　代表第ｉ个人的说　人冈子，　服从标准正态分布；。　表示残差，包含倍道冈予，服　从均值为０，协方謦　为Ｄ的正态分伽　关于馍　式…Ｉ：　为７１训练过程中产生的对角协方差矩　代表了总变异卒问不能拟合的残留变异；，ｖ　是高斯元件的状态Ｉ　有率；　是一阶１］ａｕｍ—Ｗｅｌｅｈ　囫　生兰！　鲞笙　啊声技　投稿网址：ｈｌｔｐ：ｔ／ＡｉＩＩｌｉｔ　ｈｔｌｌ　●一奠一　“ｄｔ０　ＥｎｇｔＨ　ｅｅ　ｒｌＨ　ｇ　语音技术ｎ疗　凹⑥６＠＠可＠＠响响＠０＠固Ｖ　型参数　＝（　，　，Ｄ）的估计同样用ＥＭ算法　实现　“］。　研究发现高斯ＰＬＤＡ（ＧＰＬＤＡ）与重尾ＰＬＤＡ　（ｈｅａｖｙ—ｔａｉｌｅｄ　ＰＬＤＡ）相比，在信道匹配上优势不　强¨　。若先对Ｉ—Ｖｅｃｔｏｒ进行白化和长度归一　化，使其满足标准高斯分布后，则ＧＰＬＤＡ方法性　能提升，并减少了计算量¨　。本文系统的搭建采　用归一化ＧＰＬＤＡ模型。白化和归一化公式分　别为。　ｍ＝ｄ－１／２Ｕ　（６）　…＝——　＇ｌＵｗ：——ｈｔ　（７）～，）　ｍ　式中：　是正交矩阵，包含了Ｉ－Ｖｅｃｔｏｒ协方差矩阵　的特征向量；ｄ是包含相应特征值的对角矩阵。　２．２　ＰＬＤＡ打分　估计好模型参数后，给定两段语音的Ｉ—Ｖｅｃｔｏｒ　向量Ｗ　和Ｗ　，按式（６）～（７）进行白化和归一化，　然后由式（８）计算对数似然比。　表示两个Ｉ—Ｖｅｃ－　ｔｏｒ向量来自同一个说话人的假设，Ｏｎｏｎ表示两个Ｉ—　Ｖｅｃｔｏｒ向量来自不同说话人的假设。　Ｐ（Ｗ１，Ｗ２　ｌ　０　）　。ｇ　而　叫　一　。ｇⅣ（［　］；【　］，［　三］）　（８）　式中：乏。　＝ｗＩ＋Ｄ～，艺。＝ＶＶ。令　＝０，将上式化　简为：　Ｓｃｏｒｅ＝Ｗ　Ｑｗｌ＋ｗ２Ｑｗ２＋２ｗ￣ＩＰＷ２　（９）　Ｑ＝　ｏ～ｔ一（　一　。　－１　ｏｃ）　（１０）　Ｐ＝　ｔｏ　ｔ　（　一　。。　。　）　（１１）　若要进一步提高计算度，可以仿照文献［１５］。　３　信道补偿技术　在总变异空间　上投影得到的Ｉ—Ｖｅｃｔｏｒ同时　含有说话人特征和信道特征，需要对其进行信道补　偿，消除信道差异带来的影响。由于Ｉ—Ｖｅｃｔｏｒ向量　是低维的，在进入ＰＬＤＡ之前可以采取多种方式补　偿。如王明合　，栗志意　＂　等人提出了Ｉ—Ｖｅｃｔｏｒ　局部加权线性判别分析和局部距离保持映射的方　法，优化效果明显。而典型的方式是结合类内协　方差归一（ＷＣＣＮ）的线性判别分析（ＬＤＡ）。　●囊投●投稿网址：ｈｔｔｐ：／／ＡｕｄｉｏＥ．ｃｎ　３．１　ＬＤＡ＋ＷＣＣ　ＬＤＡ的基本思想就是根据Ｆｉｓｈｅｒ准则最大化　类间离散度，增加不同说话人之间的区分性，同时　最小化类内离散度，增强同一说话人内的紧凑性，　以此找到这样一个投影矩阵　。假设类间离散度矩　阵为ｓ　，类内离散度矩阵为ｓ　，则最大化投影　满　足　Ｖ＝ＡＳ　Ｖ，对此式本征分解即可得到投影矩阵　。Ｓ　和Ｓ　分别满足下式：　Ｓ　Ｓ　＝∑ｎＳ＝１　ｓ（ｗ＿　－一ｗ）（　一　）‘　（１２）　ｓ　：∑∑（　；一　。）（伽　一　）　（１３）　式中：Ｉｓ是总的说话人数；／７，　是说话人Ｓ的语音段数　量。　是第Ｓ个说话人的第ｉ个语音段；Ｗ　是说话　人Ｓ的所有Ｉ—Ｖｅｃｔｏｒ向量均值；　是所有说话人的Ｉ　—Ｖｅｃｔｏｒ向量均值，公式如下，其中Ⅳ是总的语音段　数目。　：　１∑刍　ｎｓ　；　（１４）　１　ｓ　ｎｓ　＝　；　（１５）　投影矩阵　由最大的前　个特征值对应的特　征向量形成，某段语音的原Ｉ—Ｖｅｃｔｏｒ向量Ｗ经　投　影后的说话人特征为　Ｗ　＝　Ｗ　（１６）　经过ＬＤＡ后，对投影后的说话人特征向量进行　ＷＣＣＮ映射。ＷＣＣＮ的映射矩阵　可通过式ＢＢ　：　Ｗ　的Ｃｈｏｌｅｓｋｙ分解得到，Ｗ定义为　１　Ｓ　ｗ＝专∑∑（一Ｓ＝ｌ　ｌ　　（埘ｓ　一　））（　（　ｓ　一　））　（１７）　３．２　ＭＦＤ＋ＷＣＣＮ　第２．１节中每个说话人Ｉ－Ｖｅｃｔｏｒ均值的精确性　会影响到离散度矩阵的计算，进而影响映射矩阵。　当开发数据集中每个说话人的语音数量较少时，求　Ｉ－Ｖｅｃｔｏｒ均值可能导致说话人区分信息的丢失。基　于此，提出用中值代替均值的估计方法来得到映射　矩阵，可以减少损失程度ｎ　。ＭＦＤ（Ｍｅｄｉａｎ　Ｆｉｓｈｅｒ　Ｄｉｓｃｒｉｍｉｎａｔｏｒ）的离散度矩阵计算公式为　Ｓ　ｓ　“：∑／７，ｓ（　一　）（　一￣ｗ）　（１８）　＝ｌ　Ｓ　．ｓ　“：∑∑（５＝１　Ｉ＝１　　：一　）（　一　）　（１９）　２ｏ１６￣４０卷第１２期ｌａｓｌ　ｎｎ语音技术　＠６＠＠可＠＠响响⑥０⑥翊　●一奠■　Ｉ，ｔ　ｉ０　ＥＩｌ，９ｉ”ｅＰｒｉＨ　式中：　是每个说话人的中值Ｉ－Ｖｅｃｔｏｒ向量　是所　有说话人中值Ｉ—Ｖｅｃｔｏｒ向量的均值，其他参数均与　ＬＤＡ中的一致。　小检测代价函数ＭｉｎＤＣＦ（Ｍｉｎｉｍｕｍ　Ｄｅｔｅｃｔｉｏｎ　Ｃｏｓｔ　Ｆｕｎｃｔｉｏｎ）。其中，最小检测代价函数计算公式引用　文献ｌ　ｌ９］。　４．２实验结果与分析　ｗ　＝Ｍｅｄｉａｎ（｛　，　，　；，…，　：　））　１　＝（２０）　Ｓ　专∑　ｎ　＇１．，　’　Ｓ＝Ｉ　（　）２１）２１　１）实验１：Ｉ－Ｖｅｃｔｏｒ分离性能对比　系统中提取的语音特征一般是高维的，通过数　据无法直观地看到不同说话人之间的区分性，为此　ＭＦＤ的投影矩阵ｙ和映射过程的估计与第２．１　节中相同。同样经过ＭＦＤ后，对投影后的说话人　将高维特征数据映射到二维平面，进行二维可视　特征向量进行ＷＣＣＮ映射。　３．３修整ＭＦＤ＋ＷＣＣＮ　虽然ＭＦＤ方法在样本数量较少的情况下可以　提升系统性能，当样本数量增加时用中值作为每一　类的集中趋势会产生一定偏差，同样会丢失说话人　的相关信息。因此，本文提出修整ＭＦＤ方法来进　行信道补偿和特征降维。对每个说话人的所有Ｉ—　Ｖｅｃｔｏｒ进行排序，去掉最大最小样本，求剩余Ｉ—　Ｖｅｃｔｏｒ的均值，作为每一类的集中ｆ向量。对式　（１８）、（１９）作如下变化：　５　＝∑ｒｔｓ（Ｗ　一Ｗ　ｒ）（’．，　一Ｗ　ｐ）　（２２）　Ｓ＝ｌ　Ｓ　ｓ　＝∑∑（　ｓ　一Ｗｔｓ）（　一　）　（２３）　式中：　是第ｓ个说话人所有ｉ向量去最大值和最　小值后的均值；Ｗ　是所有’．，　向量的平均值。投影　映射过程和ＷＣＣＮ映射过程保持不变。为方便起　见，将修整ＭＦＤ简写成Ｉ—ＭＦＤ。　４　实验仿真与分析　４．１实验设置　本实验仿真以ＬＤＡ＋ＧＰＬＤＡ为基线，在普通环　境下录制了４５个人的小样本语音数据，其中男生　２２人，女生２３人，采样频率为８　０００　Ｈｚ，量化位为　１６　ｂｉｔ。实验前对所有语音信号进行预处理，包括预　加重（预加重系数０．９７）、分帧（窗口长度２０　ｍｓ，移　动窗口１０　ｍｓ）以及有效语音端点检狈０（ＶＡＤ）。在　此基础上提取２０维ＭＦＣＣ特征，并与１，２阶差分构　成最终的６Ｏ维特征参数。训练ＵＢＭ模型时，采用　男女通用型，高斯混合模型的混合度设为３２，Ｉ—　Ｖｅｃｔｏｒ向量的维度设为１００，ＬＤＡ降维后新维数　为３９。　本文使用ＧＰＬＤＡ打分模型，打分前Ｉ—Ｖｅｃｔｏｒ　进行白化和归一化。实验测试指标采用等错误率　ＥＥＲ（Ｅｑｕａｌ　Ｅｅｒｏｒ　Ｒａｔｅ）和ＮＩＳＴ　ＳＲＥ２００８规定的最　１４６１　２０１６￣第４０卷第１２期　化。实验中，随机选取相邻５个说话人（ｍ３／ｍ４／　ｍ５／ｍ６／ｍ７），每人５段语音样本，对这些语音信号　提取Ｉ—Ｖｅｃｔｏｒ后，分别采用ＬＤＡ，ＭＦＤ和Ｉ—ＭＦＤ方　法，将每个Ｉ－Ｖｅｃｔｏｒ映射到低维空间并进行长度规　整，如图２所示。可以明显地观察到ＭＦＤ的分离能　力优于ＬＤＡ，并且Ｉ—ＭＦＤ方法更有优势。　２）实验２：打分测试　实验选取２０个目标说话人，每人５段语音样　本，提取Ｉ－Ｖｅｃｔｏｒ后对其求平均作为目标说话人的　模型Ｉ—Ｖｅｃｔｏｒ。另取这２Ｏ人的测试语音段（每人　１段）进行测试。则每个测试样本的Ｉ—Ｖｅｃｔｏｒ会　和每一位目标说话人的模型Ｉ—Ｖｅｃｔｏｒ进行对数　似然打分。本实验中随机抽取了３位测试者　（ｍ８／ｍ９／ｍｌ４）的打分情况进行观察，结果如图３　所示。　由图３可知，测试者与相对应身份一致的目标　说话人的分数较突出，而与身份不一致的目标说　话者的分数较低，以此可以很好的建立阈值进行　ＹＥＳ／ＮＯ的身份确认。说明了该系统的可行性。　同时，对比发现采用ＭＦＤ和Ｉ—ＭＦＤ方法的打分　结果具有明显优势，身份不一致的测试者和目标　说话人的打分能够降到更低，有助于提高区分　性能。　３）实验３：基于ＬＤＡ，ＭＦＤ，Ｉ—ＭＦＤ的系统性能　对比　本实验将ＬＤＡ，ＭＦＤ和Ｉ—ＭＦＤ方法分别应用　于基于Ｉ—Ｖｅｃｔｏｒ向量和ＧＰＬＤＡ打分框架的说话人　确认系统测试它们抑制信道干扰和特征降维的性　能。每个说话人的样本数量由３段增至７段，每种　情况测试５次求均值作为最终的等错误率值和　ＤＣＦ值。数据结果如表１所示。　由表１可知，随着每个说话人样本数量的增　加，系统的错误率下降，说明样本越多包含说话人　的信息越多，系统区分性越好。在样本数量较少的　●囊投●投稿网址：ｈｔｔｐ：／／ＡｕｄｉｏＥ．ｃｎ　●一奠■　¨ｄｔ０　Ｅｎｇｉ¨ｅｅｒｉｎ０　＠６＠＠可　｝＠响嗡＠０＠翊Ｕ　童羹　第一维　（ａ）低维ＬＤＡ投影　辍　辍牵　靛　第一维　（ｂ）低维ＭＦＤ投影　第一维　（ｃ）低维Ｉ—ＭＦＤ投影　图２　分离能力对比　情况下，ＭＦＤ方法比ＬＤＡ方法更具优越性，而当样　本数量增加的情况下，ＭＦＤ的区分性不如基线，而　修整后的方法却可以达到较好效果。由此验证了　本文提出的改进理论。　５　小结　本文在深入研究Ｉ—Ｖｅｃｔｏｒ技术和线性区分技　术ＬＤＡ的基础上，提出改进算法，对说话人ｉ向量　●声援●投稿网址：ｈｔｔｐ：／／ＡｕｄｉｏＥ．ｃｎ　目标说话人　（ａ）ｍ８的打分结果　《革籁莨　目标说话人　（ｂ）ｍ９的打分结果　目标说话人　（ｃ）ｍｌ４的打分结果　图３　打分测试情况对比　进行映射区分。在开发数据集较少的情况下，以中　值ｆ向量代替均值ｆ向量作为每位说话人的集中趋　势，有助于减少区分信息的丢失；随着每个话者语　音样本的增加则采用去掉最小最大值求平均的方　法获得说话人集中ｉ向量。结合高斯ＰＬＤＡ框架，　以ＬＤＡ和ＷＣＣＮ为基线系统进行仿真对比，实验　结果表明，本文提出的算法具有良好的区分性能，　在有限的话者样本数量范围内与基线相比能提升　总和约３％的性能。　堕蔓　鲞业塑囹　ｎｎ语音技术　［［　口　⑥６＠＠可＠＠　⑥ｎ⑥　表１　¨】Ａ，ＭＦＤ，１－ＭＦＤ的性能铲妍　参考文献：　ｆ　１］杨阳，陈水ｆｊｊ】．一追文　别技术及其心川［－ｌ＿．电　技术．　２００７，３１（２）：４５—５０．　【２］ＲＥＮＯＬＤＳ　Ｄ　Ａ．ＱｔｉＡＴＩＥＩＩＩ　Ｔ　Ｆ，ＩｌＬ　ＪＮＮ　ｌ｛Ｂ．Ｓｐｅａｋｅｒ　Ｖｅｌ’ｉｉｆ（　ａｔ　Ｊｍｉ　ｕｓｉｎｇ　ａｄａ１）ｔｅｄ　Ｇａｕｓｓｉａｎ　ｍｉｘｌｌｎ＇ｅ　ｍｏｄｅｌｓ［Ｊ　．　Ｄｉｇｉｔａｌ　Ｓｉｇｎａｌ　ｌ＇ｒｔ　ｅｓｓｉｎｇ，２０００，Ｊ０（１—３）：ｌ９—４１．　『３］周同鑫，高田．　】：（；ＭＭ—ＵＢＭ模　的说　人辨识研究　Ｊ　．无线【Ｕ　１　，２０１４，４４（１２）：１４—１　７．　ｌ４　Ｉ　ＫＥＮＮＹ　ｔ’，Ｂ（）…　ＩＡＮＮＥ　Ｇ。ＯＵＥ１　Ｉ　Ｉ’Ｉ’．ｅｔ　ａ１．Ｊｏｉｎｌ　ｆａ（‘ｌｏｒ　ａｌｍｌｙｓｉｓ　Ｖｅ＋ＳｌｌＳ　ｅｉｇｅｎｃｈａ，＋Ｈｅｌｓ　ｉｎ　ｓｐｅａｋｅｒ　ｒｅｒｏｇｎｉｉｆｏｌ１　ｌＪ］．ＩＥＥＥ　Ｔｉ’ａｉ１ｓａ（・Ｉｉｏｎｓ　ｏｎ　Ａｕｄｉｏ，Ｓｐ＊　ｅｃｈ　ａｎｄ［，ａｎｇｔｍｇｅ　Ｐｍｅｅｓｓｉｌｌｇ，２００７．１５（４）：１４３５—１４４７．　［５］　ＫＥＮＮＹ　Ｐ．Ａ　ｓｈｌｄｖ　ｏｆ　ｉｎｔｅｒｓｐｅａｋｅｌ‘ｖａ＋‘ｌａｂｉｌｉｔｙ　ｉｔ＋ｓｐｅａｋｅｌ’　．ｖｅＩ‘ｉｉｆ（　ａｌｉｅｎ　Ｊ　ｊ．ＩＥＥＥ　Ｔｒａｎｓａｅｔｉｏｎｓ（１ｎ　Ａｕ＜ｌｉｕ，Ｓｐｅｅ（・ｈ　ａｌｉｄ　Ｌａｎｇｕａｇｅ　Ｐｒｏｃｅｓｓｉｎｇ，２００８，１６（５）：９８０—９８８．　［６］　郭武．　轶杰，蛾礼荣，等．悦话人识圳ｉＩＩｉ　０　子分析以　ｎ及窄间拼接ｆ　Ｊ　．『Ｉ动化学报，２００９，３５（９）：３４５—３５４．　［７］　ＤＥＨＡＫ　Ｎ．Ｆｒｏｎ！一¨ｎｌ　ｆａｃｔｏｒ　ａｌｉａｌｙｓｉｓ“ｌｒ　Ｓｌ＂￣ｅａｋｅｒ　Ｖｅｌ‘ｉｆｌｅａ—　Ｉ　ｉｏｎ『Ｊ］．ＩＥＥＥ　Ｆｒｍｉｓａｅｔｉｏｎｓ（７１１　Ａｕｄｉｏ．Ｓｐｅ￣　ｃｈ　ｆｉｌｌ（ｊ　ｌ１－　ｇｕａｇｅ　Ｉ　¨　ＰＳＳｌ’ｌｌｇ，２０１　ｌ，１９（４）：７８８—７９８．　『８］　邢上娟，潘颖，曹晓『＿Ｉ１『－，等．改进ｉ一向　说　人识刖算法　研究＿Ｊ１．科学技术　ｊＴ程，２０Ｉ４，Ｉ４（３４）：２２４—２２７．　图　主蔓　鲞笙！　塑　』９　Ｊ　ＫＥＮＮＹ　Ａ　ｓｍａｌｌ　ｆｏｏｌ／）ｒｉｎｌ　ｌ—Ｖ　（‘ｌｏｔ　ｌ　ｘ㈨（’　［（：ｊ．Ｐ¨Ｉ＿　ｅｅｅｄｉｎｇｓ　Ｉ１ｆｌ　Ｏｄｙｓｓｅ）Ｓｐｅａｋｅｌ‘ＬｔｌｌＩＩ　１　ａｎｇｕａｇ｛、Ｒｅ（‘ｏｇｌｉｆｔｉ（）１ｌ　Ⅵ　ｏｒｋｓｈｏｐ．ＳｉｎｇａｐｏｌＰ．Ｊｕｎ．２０１２．　【１０】ＭＡＴＲＯｔＩＦ　Ｄ，ＳＣＨＥＦＦ、ＥＲ　Ｎ，ＦＡＵⅥ：Ｉ｛，ｅｔ　ａ１．Ａ　ｓｌ　ｒａｉｇｈｔ一“＇ｌ、ｖａ　ａｌ　ｅｆｆｉｃｉｅｎｔ　ｉｍｐｌｅ，１ｎ－！ｌｉｔａｔｉｏｎ　ｏｆ　Ｉｈｅ　ｆａ＜・｜Ｏｌ　ａｌ＋ａｌｙｓｉｓ　ｌ，ｎｏ（１ｅｌ　ｓＩ１ｔ　ａｋｅｒ　Ｖｅｌ’ｉｆｉ（ｍｔｉｏｎ【Ｃ］．Ｃｏｎｆｅｒｅｎｃｅ　ｏｔ　ｔｈｅ．１ｎｔｅ＋ｎａｔｉｏｎａｌ　ＳＩ、ｔ　Ｐｔ－ｈ　Ｃｏｎｕｎｔｍｉｅａｔｉｏｎ　Ａｓｓｏ，・ｉａｔｉｏｌ１．Ａｎｔ—　ｗｅｌ’Ｐ　ｉｎ　Ｉ｛ｅｌｇｉｎｍ，Ａｕｇ　２００７：１２４２一ｌ　２４５．　【１　１］ＫＥＮＮＹ　Ｐ，Ｂ（）川　ＩＡＮＮＥ　ｒ　．ＤＵＭ（）ＵＣｔＩＥＩ　Ｐ。Ｅｉｇ￣Ⅲ一　ｖｏｉｃｅ　ｍｏｄｅｌｉｎｇ　ｗｉｔｈ　ｓｐａｒｓ『ｒａｉｎｉｎｉｎｇ　ｄａｔａ　Ｊ］．ＩＥＥＥ。ｌ。＇’ｌａｎｓ．　Ｓｔｔｅｅ（‘ｌＩ　Ａｕｄｉ（’Ｐｒｏ＋・ｅＳｓ．２００５。１　３（３）：４０５７－４０６０．　【Ｉ２　１许云琶，周若华，颜水红．基于ｌ，ＩＪＤＡ的多　道多讲　说　活人确认研究［Ｊ］Ｍ络新媒体技术，２（）１４，３（１）：ｌ３一　ｌ９．　｝Ｉ　３　ｊ　ＫＥＮＮＹ　Ｐ．Ｉｈ：Ｉｖ￣　ｓｉａｎ　ｓｐｅａｋｅｒ、　ｉｔｉ（・ａｌｉｏｎ、＾ｉｌｌ＋ｈｅａｘｖ　ｔａｉｌｅｄ　．ＪＭｏｒｓ　ｊ．ＩＪｒＩ　ｔ　ｅｄｉｎｇｓ　ｏｌ’ｔｈｅ　０ｆｂｓｓｅ｝。Ｓｉｔ＋　ａｋ（ｑ’ａｎｄ　ｌＩ．　ｇｕａｇｅ　Ｒｅ＜：ｏｇｎｉｔｉｏｔｉ　ＷＯｌ’ｋｓｈｏｐ．１＋ｈ．ｔｎｌ　ｉＩ１　Ｃｚｅｃｈ　Ｒｅｐｕｂｌｉ（‘，２０１０．　１１４］李琳，万　町，洪　…，等．　１一慨牢修ｌ　Ｉ）Ａ的蜕话人　识别系统ｆ　Ｊ］．天津人学学报，２０１５，４８（８）：６９２－５９６．　１　ｌ５］ＧＡＲＣＩＡ—ＲＯＭＥＲ（）Ｄ．ＥＳＰＹ—ｗＩＩ＿ｓ（）Ｎ　ｃ、．Ａｎａｈｓｉｓ　ｏｆ　ｉ－Ｖｅ（‘“＇ｒ　Ｊ　ｎｇｔｈ　ＩＩ（Ｈ　ｎｕｄｉｚａｔｉｏｎ　ｉｌＩ　ｓｐｅａｋｅｌ　ｒ（　（’ｏｇｎｉｔｉｏｎ　ｓ）ｓｔ（・Ｉｌｌ＿　［Ｃ］．ｈｌｔｅｍａｔｉｏｎａ１　Ｃｏｎｆｅｒｅｎｃｅ（ｔｉｔ　Ｓｐｅｅｔ－ｈ（：ｌＨＩｌｎｌＵｌｌｉｅａｔｉｏｎ　ａｎｄ　Ｔｅｅｈｎｎｈｔｇｙ．Ｈ，ａ‘Ｐｉｌｅｅ，Ｉｔａｌｙ，２０ｌｌ：２４９－２５２．　｜Ｉ　１６］王明合，唐振　，张’　华．　于ｉ－ｖ　＿ｌＩ”¨ｆｆｌ；ＪＪｔ＋权线性ｙ－０　别分折的说　人　！圳［Ｊ］，仪　仪犬　：报，２０１５，３６　（１２）：２８４２—２８４８．　１】７］栗志意，何兜．　｝　惨别性ｉ－、　＿ｌ　Ｉ』　６　离保持映射　的说话人识）ｊ『Ｊ系统ｌ　Ｊ］．清华大学学报，２（）ｌ２，５２（５）：　５９８－６０１．　１ｌ　８　ＫＡＮＡＧＡＳＬ　ＮＩ）ＡＲＡＭ　Ａ，ＤｔＬＡＮ　Ｉ），ＳＩ｛Ｉ１）｝｛ＡｌｌＡＮ　Ｓ．ＩＩｌｌ—　ｐｒｏｖｉｎｇ　ＰＬＩ）Ａ　ｓｐｅａｋｅ　ｒ　ｖｅｒｉｆｉ（’ａｔｉｏｎ　ｗｉｔｈ　ｌｉｌｎｉｌｅｄ　ｄｅｖｅｌｏｐ—　ｉｌｌ（－Ｉ，ｎａｔｉｏｎａｌ　ＣｏｎｆｅｒＰＩｌＩ－Ｐ　Ｏｌｉ　Ａ（－ｏｕｓｔｉｔ－　Ｓｐｅｅ（　ＩｉⅢ１（１　Ｓｉｇｎａ　ｆ）（　ｅｓｓｉｎｇ．ＦｈｉＩ＇ｅｎｃｅ：ＩＥＥＥ．２０１４　ｌ６６５—１　６６９．　１９　ＰＡＤＭＡＮＡＢｔｔＡＮ　Ｒ，ＡＮ　ＦｅＮ　ＡＦＡＮ　ＡＳ＇ｔ　ＥＶ．ＶＩＬＬＥ　Ｈ．　ＰＩ　ａ１．１＇’Ｈ）ｈｉ　ｓｉｎｇｌｅ　ｔｏ　ｍｕｈｉｐｌｅ　ｅｌｌｒ（ｄｌｍｅｎｔ　ｉ－ｖｅ（・ＩｏＩ‘ｓ：Ｐｒａ（・ｔｉ—　ｅａｌ　ＰＩ　Ｉ）Ａ　‘Ｏｌ’ｉｎｇⅢａｌ　ｉａ，ｌｆｓ　ｆｏｒ　ｓｐｅａｋｅ１．、ｅｌ’ｉｌ　ａｔ　ｉｏｎ　Ｊ］　Ｄｉｇ—　ｉｔａｌ　Ｓｉｇｎａｌ　ＩＪｒＯＣｆ　ｓｓｉｎｇ，２０１４，３１（８）：９３一１０１．　作者简介：　李湾湾（１９９２一），殳，坝士叶　，主要研究＿，，…为说话人以　圳厅面的研究；　范承志，剐教授，颅　导师．｝　研究，Ｊ‘ｌｈ］　说活人以　ｔＪｌｊ　而的研究；　祁才君，男，剐敦授，卜要研究方向为说话人　只别　面的　研究．　责任编辑：李薇　收稿日期：２０１６－０７—１　Ｊ　一声投　投稿网址：ｈｔｔｐ：／／　、Ｉ　Ｉ　ｌ…