1引言

說話人識別是根據從說話人所發(fā)語音中提取信息判斷說話人身份的過程。語音信號中包含了話音特征和說話人個性特征，說話人識別的關鍵問題之一是提取反映說話人個性的語音特征參數。在說話人識別系統中常用的語音特征參數主要有，LPC 倒譜系數(LPCC) 、Mel 頻率倒譜系數（MFCC）、線譜對（LSP）等 。在純凈語音環(huán)境中，系統已經達到很好的識別性能，但是在實際應用的環(huán)境中，由于背景噪聲的存在，系統往往達不到令人滿意的效果。

主分量分析PCA (primary component analyze)是統計學中一種根據數據的統計分布特性,提取數據主要成分的數據處理方法. 它是最小均方誤差下的最優(yōu)正交變換，對消除模式間的相關性、突出模式間差異性有最佳的效果，所以常被用于數據的壓縮和模式識別的特征提取 . 由于它需要對原始數據的方差矩陣進行估值并求取其特征值和特征向量, 計算量異常巨大, 而基于神經網絡的主分量分析算法不必進行矩陣求逆運算，并且神經網絡具有并行運算能力, 這將降低PCA 計算量, 提高PCA 的實用性 。對語音信號的原始特征作主分量分析后往往能得到更好的特征參數 。本文選用LPC倒譜系數作為表征聲道的特征參數，采用相繼的幾幀組成的特征參數矢量作為樣本，對其進行主分量分析，這樣去除了特征中的冗余信息，壓縮特征參數的維數，得到新的PCA特征參數，然后把PCA特征參數作為GMM模型的輸入向量，進行說話人識別的訓練和識別。

本文第二節(jié)介紹主分量分析神經網絡的原理和算法，第三節(jié)介紹高斯混和模型和LPCC特征參數，第四節(jié)給出相應的說話人識別系統實驗和結果，最后是簡要的討論與展望。

2主分量神經網絡(PCANN)

主分量神經網絡是基于Hebb 學習規(guī)則的線性無監(jiān)督學習神經網絡, 它可以通過對權矩陣W 的學習, 使W接近于原始數據X的關聯矩陣C中特征值所對應的特征向量, 而不必進行矩陣求逆運算,提高了運算速度。
2.1    基于Hebb學習的最大特征濾波器      

2.2    基于Hebb 學習的主分量分析網絡

圖3：提取前m個主分量的神經網絡解析圖

3識別系統特征參數以及模型

3.1 語音的主分量特征參數（PCA特征）
本文選用線性預測倒譜系數（LPCC）作為語音的原始特征參數然后對其進行主分量分析。LPCC系數是一種非常重要的特征參數。它的主要優(yōu)點是比較徹底地去掉了語音產生過程中的激勵信息，主要反映聲道相應，而且往往只要十幾個倒譜系數就能較好地描述語音信號的共振峰特性，因此在識別中取得了較好的效果。在實際計算中，LPCC參數不是由信號直接得到的，而是由LPC系數得到的。關系式如下：

          （8）
這里 實際上是直流分量,反映頻譜能量,其值的大小不影響譜形,在識別中通常不用,也不去計算。當LPCC系數個數不大于LPC系數個數時用第二式,當LPCC系數個數大于LPC系數個數時,用第三式進行計算。

4實驗及結果分析
本文實現了一個在噪聲環(huán)境下與文本無關的說話人自動識別系統。使用的是一個含20人的語音數據庫，包括10名男性和10名女性，每人語音長度約90秒。采樣率為12kHz，采用16bit量化。

首先對數據進行預處理，包括端點檢測、預加重(H(z)=1-0.95 )和加窗（Hamming窗，幀長20ms，幀移10ms）。原始特征選為12階的LPCC倒譜參數，主分量特征個數選12階。高斯模型混合數M=16。訓練音長為40s，測試音為3s。實驗結果如表(1):

表1  實驗結果（％）

圖(4)是根據表(1)中的數據畫出的曲線。

從表(1)可以看出，與傳統的GMM方法相比，PCANN_GMM方法明顯增強系統抗噪聲能力，改進了識別效果。并且在PCANN_GMM中，幀數不同對識別也有較小的影響，當幀數大于5幀時，系統的識別性能不再提高。

5總結

本文運用PCANN/GMM方法進行說話人識別，將多幀特征參數合并為一幀，利用了幀間相關性，對其進行主分量分析，減少了冗余度，提高了系統的魯棒性。另外，當前的說話人識別研究還主要集中在聲學特征層次進行,基于人們說話中含有的高級特征所進行的研究雖然很多,下一步的工作將結合聲學特征和高級特征,研究它們之間的關系,從而進一步提高說話人識別系統的性能。
 
參考文獻

[1] 趙力. 語音信號處理 北京：機械工業(yè)出版社,2003
[2] E.Oja. “A Simplified Neural Model as a Principal Components Analyzer”,Journal of Mathematic Biology,VOL.19,pp.267-273,1982
[3] Sanger T D. “Optimal Unsupervised Learing In a Singer Layer Linear Feedforward Neural Network”,Neural Networks, pp459-473, 1989
[4] 何振亞 顧明亮 語音信號的主分量特征 應用科學學報, VOL 17,NO.4,1999
[5]  Simon Haykin. 神經網絡原理. 北京：機械工業(yè)出版社, 2004
[6] Chanchal Chatterjee. and Vwani P.Roychowdhury. “On Relative Convergence Properties of Principal Component Analysis Algorithms”,IEEE Transactions On Neural Networks, VOL.9,NO.2,March 1998
[7] Oh-Wook Kwon. and Kwokleung Chan. “Speech Feather Analysis Using Variational Bayesian PCA”,IEEE Signal Processing Letters,VOL.10,NO.5,May 2003