說(shuō)話人識(shí)別研究 (生物特征認(rèn)證技術(shù)論文)

1、生物特征認(rèn)證技術(shù)學(xué)院：計(jì)算機(jī)學(xué)院專(zhuān)業(yè)：信號(hào)與信息處理班級(jí)：13碩信息所班學(xué)號(hào)：13120330姓名：李敏說(shuō)話人識(shí)別研究摘要：說(shuō)話人識(shí)別是語(yǔ)音信號(hào)處理中的重要組成部分，是當(dāng)前的研究熱點(diǎn)之一。本文詳細(xì)介紹了說(shuō)話人識(shí)別的基本原理，從特征提取、模型訓(xùn)練和分類(lèi)等幾個(gè)方面近年來(lái)的主要研究情況及進(jìn)行綜述和評(píng)價(jià)，并在此基礎(chǔ)上探討其研究難點(diǎn)和發(fā)展前景。關(guān)鍵詞：說(shuō)話人識(shí)別；特征提?。荒Ｐ陀?xùn)練；分類(lèi)1.引言 說(shuō)話人識(shí)別作為生物認(rèn)證技術(shù)的一種，是根據(jù)語(yǔ)音波形中反映說(shuō)話人生理和行為特征的語(yǔ)音參數(shù)，自動(dòng)鑒別說(shuō)話人身份的一項(xiàng)技術(shù)。為此，需要從各個(gè)說(shuō)話人的發(fā)音中找出人之間的個(gè)性差異，它涉及到說(shuō)話人發(fā)音器官上的個(gè)性差異、發(fā)音通

2、道之間的個(gè)性差異、發(fā)音習(xí)慣之間的個(gè)性差異等不同級(jí)別上的差異。說(shuō)話人識(shí)別是交叉運(yùn)用心理學(xué)、生理學(xué)、語(yǔ)音信號(hào)處理、模式識(shí)別、統(tǒng)計(jì)學(xué)習(xí)理論和人工智能的綜合性研究課題。 說(shuō)話人識(shí)別根據(jù)實(shí)現(xiàn)的任務(wù)不同， 可分為說(shuō)話人辨認(rèn)(Speaker Identification和說(shuō)人確認(rèn)(Speaker Verification)兩種類(lèi)型。說(shuō)話人識(shí)別根據(jù)系統(tǒng)對(duì)待識(shí)別語(yǔ)音內(nèi)容的不同，又分為與文本有關(guān)(text-dependent)和與文本無(wú)關(guān)(text-independent)兩種方式。2.說(shuō)話人識(shí)別的基本理論與前期處理2.1語(yǔ)音產(chǎn)生模型 語(yǔ)音信號(hào)可以看成是激勵(lì)信號(hào)UGn經(jīng)過(guò)一個(gè)線性系統(tǒng)HZ而產(chǎn)生的輸出。其中，聲道模

3、型HZ為離散時(shí)域的聲道傳輸函數(shù)，通?？梢杂萌珮O點(diǎn)函數(shù)來(lái)近似。不同的說(shuō)話人其聲道形狀是不同的，因此具有不同的聲道模型。HZ的表達(dá)式為：HZ=1AZ=11-i=1paiZi式中p為全極點(diǎn)濾波器的階數(shù)，aii=1,2,p為濾波器的系數(shù)。P值越大，則模型的傳輸函數(shù)和實(shí)際聲道的傳輸函數(shù)的吻合程度就越高。當(dāng)然p也不能取得太大，一般情況下p取8到12。2.2 說(shuō)話人識(shí)別基本原理 圖 1 給出了說(shuō)話人識(shí)別系統(tǒng)框圖，和語(yǔ)音識(shí)別系統(tǒng)一樣，建立和應(yīng)用這一系統(tǒng)可以分為兩個(gè)階段，即訓(xùn)練階段和識(shí)別階段。在訓(xùn)練階段，系統(tǒng)的每個(gè)使用者說(shuō)出若干訓(xùn)練語(yǔ)句，系統(tǒng)據(jù)此建立每個(gè)使用者的模板或模型參量參考集。而在識(shí)別階段，待識(shí)別說(shuō)話人語(yǔ)

4、音中導(dǎo)出的參量要與訓(xùn)練中的參考參量或模板加以比較，并且根據(jù)一定的相似性準(zhǔn)則形成判斷。2.3 預(yù)處理通常，輸入的語(yǔ)音信號(hào)都要進(jìn)行預(yù)處理，其過(guò)程的好壞也在一定程度上對(duì)系統(tǒng)的識(shí)別效果產(chǎn)生影響。一般的預(yù)處理過(guò)程為：（1）采樣量化：語(yǔ)音信號(hào)通常以 8kHz或更高的采樣速率數(shù)字化，每個(gè)采樣至少用8比特表示；（2）預(yù)加重：由于語(yǔ)音信號(hào)的平均功率譜受聲門(mén)激勵(lì)和口鼻輻射的影響，在高頻端大約在800Hz以上按6dB/倍頻程跌落，為此要進(jìn)行預(yù)加重。預(yù)加重的目的是將更為有用的高頻部分頻譜進(jìn)行提升，使信號(hào)的頻譜變得平坦，保持在低頻到高頻的整個(gè)頻帶中，能用同樣的信噪比求取頻譜，以便于進(jìn)行頻譜分析或聲道參數(shù)分析。聲音經(jīng)過(guò)

5、8kHz 或更高的采樣速率的采樣后轉(zhuǎn)成數(shù)字語(yǔ)音信號(hào)，接著通過(guò)一個(gè)一階高通濾波器來(lái)做預(yù)加重處理以突顯高頻部分。其傳遞函數(shù)為：HZ=1-aZ-1，一般a的值取0.95左右；（3）端點(diǎn)檢測(cè)：端點(diǎn)檢測(cè)就是對(duì)輸入語(yǔ)音信號(hào)進(jìn)行判斷，從背景噪音中準(zhǔn)確找出語(yǔ)音的起始點(diǎn)和終止點(diǎn)。有效的端點(diǎn)檢測(cè)不能消除無(wú)聲段的噪音。但可以使處理語(yǔ)音信號(hào)的時(shí)間減到最小。目前的端點(diǎn)檢測(cè)技術(shù)大都是基于語(yǔ)音信號(hào)的時(shí)域特征來(lái)進(jìn)行的，一般常采用兩種時(shí)域特征：短時(shí)能量和短時(shí)過(guò)零率，通過(guò)設(shè)定它們的門(mén)限值進(jìn)行檢測(cè)；（4）分幀：由于語(yǔ)音信號(hào)的準(zhǔn)平穩(wěn)特性，使得其只有在短時(shí)段上才可被視為是一個(gè)平穩(wěn)過(guò)程，所以絕大部分的說(shuō)話人識(shí)別系統(tǒng)都是建立在短時(shí)頻譜分析

6、的基礎(chǔ)之上，把一定長(zhǎng)度的語(yǔ)音分為許多幀來(lái)分析。這樣做之后語(yǔ)音信號(hào)可以被認(rèn)為是平穩(wěn)的。系統(tǒng)也就可以使用對(duì)平穩(wěn)過(guò)程的分析方法對(duì)語(yǔ)音信號(hào)進(jìn)行分析。由此可見(jiàn)語(yǔ)音信號(hào)需要被劃分為一個(gè)一個(gè)的短時(shí)段。每一個(gè)時(shí)段稱(chēng)為一幀，每一幀的長(zhǎng)度大概為10-30ms?，F(xiàn)在所使用的分幀方法為了使幀與幀輪之間平滑過(guò)渡并保持其的連貫性，一般采用交疊分段的方法，即每一幀的幀尾與下一幀的幀頭是重疊的。（5）加窗：針對(duì)每一個(gè)音框乘上漢明窗以消除音框兩端的不連續(xù)性，避免分析時(shí)受到前后音框的影響；（6） 最后，將音框通過(guò)低通濾波器，可去除異常高起的噪聲。3.特征提取 經(jīng)過(guò)預(yù)處理后，幾秒鐘的語(yǔ)音就會(huì)產(chǎn)生很大的數(shù)據(jù)量。提取說(shuō)話人特征的過(guò)程，

7、實(shí)際上就是去除原來(lái)語(yǔ)音中的冗余信息，減小數(shù)據(jù)量的過(guò)程。從語(yǔ)音信號(hào)中提取的說(shuō)話人特征參數(shù)應(yīng)滿足以下準(zhǔn)則：對(duì)局外變量(例如說(shuō)話人的健康狀況和情緒，系統(tǒng)的傳輸特性等)不敏感；能夠長(zhǎng)期地保持穩(wěn)定；可以經(jīng)常表現(xiàn)出來(lái)；易于對(duì)之進(jìn)行測(cè)量；與其它特征不相關(guān)。根據(jù)參數(shù)的穩(wěn)定性，可把說(shuō)話人特征參數(shù)大致分為兩類(lèi)：一類(lèi)是反映說(shuō)話人生理結(jié)構(gòu)的固有特征（例如聲道結(jié)構(gòu)等），這類(lèi)特征主要表現(xiàn)在語(yǔ)音的頻譜結(jié)構(gòu)上，包含了反映聲道共振的頻譜包絡(luò)特征信息和反映聲帶震動(dòng)等音源特性的頻譜細(xì)節(jié)構(gòu)造特征信息，具有代表性的特征參數(shù)有基音和共振鋒。這類(lèi)特征不易被模仿，但容易受健康狀況的影響。另一類(lèi)是反映聲道運(yùn)動(dòng)的動(dòng)態(tài)特征，即發(fā)音方式、發(fā)音習(xí)慣等

8、。主要表現(xiàn)在語(yǔ)音頻譜結(jié)構(gòu)隨時(shí)間的變化上，包含了特征參數(shù)的動(dòng)態(tài)特性，這類(lèi)特征相對(duì)穩(wěn)定卻比較容易模仿，代表性的特征參數(shù)是倒譜系數(shù)。 說(shuō)話人識(shí)別研究中多采用的特征參數(shù)主要有：基音周期、明亮度、過(guò)零率、線性預(yù)測(cè)系數(shù)(Linear Predictive Coefficients，簡(jiǎn)稱(chēng)LPC)、線性預(yù)測(cè)倒譜系數(shù)(Linear Predictive Cepstral Coefficients，簡(jiǎn)稱(chēng) LPCC)、Mel頻率倒譜系數(shù)(Mel-frequency Cepstrum Coefficients，簡(jiǎn)稱(chēng)MFCC)、倒譜特征，等等。3.1 線性預(yù)測(cè)倒譜系數(shù)（LPCC）線性預(yù)測(cè)倒譜系數(shù)是一種比較重要的特征參數(shù)

9、，它比較徹底地去除了語(yǔ)音產(chǎn)生過(guò)程中的激勵(lì)信息，能較好地描述語(yǔ)音信號(hào)的共振峰特性。在實(shí)際計(jì)算中，LPCC 不是由信號(hào)直接得到的，而是由LPC求得。LPCC 倒譜系數(shù)與線性預(yù)測(cè)系數(shù)的關(guān)系為：3.2 Mel 頻率倒譜系數(shù)（MFCC）Mel頻率倒譜系數(shù)（MFCC）的分析與傳統(tǒng)的線性倒譜系數(shù)（LPCC）不同，它的分析是著眼于人耳的聽(tīng)覺(jué)機(jī)理，因?yàn)槿祟?lèi)在對(duì)1000Hz以下的聲音頻率范圍的感知遵循近似的線性關(guān)系；對(duì)1000Hz以上的聲音頻率范圍的感知不遵循線性關(guān)系，而是遵循在對(duì)數(shù)頻率坐標(biāo)上的近似線性關(guān)系，所以Mel 倒譜系數(shù)獲得了較高的識(shí)別率和較好的魯棒性。在實(shí)現(xiàn)上，Mel倒譜系數(shù)是將語(yǔ)音頻率劃分成一系列三角

10、形的濾波器序列，這組濾波器在頻率的Mel坐標(biāo)上是等待寬的。Mel頻率表達(dá)了一種常用的從語(yǔ)音頻率到“感知頻率”的對(duì)應(yīng)關(guān)系，更符合人耳的聽(tīng)覺(jué)特性。其表達(dá)式如下： 求取MFCC的具體過(guò)程如下：(1) 對(duì)已經(jīng)經(jīng)過(guò)預(yù)處理的語(yǔ)音向量分別進(jìn)行離散傅立葉變換(DFT)。(2) 將得到的離散頻譜用序列三角濾波器進(jìn)行濾波處理，得到一組系數(shù)。(3) 利用離散余弦變換(DCT)將濾波器輸出變換到倒譜域。離散余弦變換的公式如下：3.3 其他一些特征3.3.1 基音周期在人的發(fā)音模型中，產(chǎn)生濁音的周期激勵(lì)脈沖的周期稱(chēng)為基音周期(Pitch)。只有濁音才有基音周期，清音沒(méi)有基音周期。基音周期檢測(cè)方法大體上可以分為三大類(lèi)：時(shí)

11、域方法、頻域方法和綜合利用信號(hào)的時(shí)域、頻域特性的方法。時(shí)域方法直接利用語(yǔ)音信號(hào)的采樣點(diǎn)，計(jì)算信號(hào)的波峰、波谷和過(guò)零率等。其特點(diǎn)是原理簡(jiǎn)單，計(jì)算量小。典型的方法是Gold 和Rabiner 提出的并行處理(PPROC)方法。頻域的方法主要是計(jì)算信號(hào)的自相關(guān)函數(shù)、功率譜和最大似然函數(shù)等，其精度要高于時(shí)域的方法。典型的方法有中央消波自相關(guān)法(AUTOC)、平均幅度差分函數(shù)(AMDF)法和倒譜法(CEP)等。自相關(guān)法的原理是語(yǔ)音的短時(shí)自相關(guān)函數(shù)在基音周期的整數(shù)倍點(diǎn)上有很大的峰值，只要找到最大峰值點(diǎn)的位置，便能估計(jì)出基音周期。3.3.2 倒譜特征圖2 倒譜的計(jì)算過(guò)程語(yǔ)音信號(hào)是激勵(lì)信號(hào)源與聲道響應(yīng)相卷積的

12、結(jié)果，而“倒譜特征”則是利用了對(duì)語(yǔ)音信號(hào)作適當(dāng)?shù)耐瑧B(tài)濾波可以將激勵(lì)信號(hào)與聲道信號(hào)加以分離的原理。一幀語(yǔ)音信號(hào)的倒譜c(n)的計(jì)算過(guò)程如圖2 所示。倒譜中維數(shù)較低的分量對(duì)應(yīng)于語(yǔ)音信號(hào)的聲道分量，倒譜中維數(shù)較高的分量對(duì)應(yīng)于語(yǔ)音信號(hào)的音源激勵(lì)分量。因此，利用語(yǔ)音信號(hào)倒譜可以將它們分離，彼此基本上互不干擾，并可以避免聲道分量受到有隨機(jī)變化的音源激勵(lì)分量的干擾。3.3.3 短時(shí)能量與短時(shí)平均幅度信號(hào)x(n)的短時(shí)能量定義為：w(n)是窗函數(shù)，一般用矩形窗或漢明窗。短時(shí)能量代表的是一個(gè)音框的語(yǔ)音信號(hào)的能量，可以反映語(yǔ)音信號(hào)隨時(shí)間的幅度變化。語(yǔ)音信號(hào)的短時(shí)平均幅度定義為：用信號(hào)絕對(duì)值來(lái)代替平方和。3.3.4

13、 短時(shí)平均過(guò)零率信號(hào)x(n)的短時(shí)平均過(guò)零率定義為：它反映了一個(gè)音框語(yǔ)音信號(hào)中的過(guò)零情況，是信號(hào)頻率量的一個(gè)簡(jiǎn)單量度。4.說(shuō)話人模型對(duì)于說(shuō)話人識(shí)別系統(tǒng)，特征被提取出來(lái)以后，需要用識(shí)別模型為說(shuō)話人建模，并對(duì)特征進(jìn)行分類(lèi)，以確定屬于哪一個(gè)說(shuō)話人。所謂的識(shí)別模型，是指用什么模型來(lái)描述說(shuō)話人的語(yǔ)音特征在特征空間的分布。目前常用的模型大體上可以分為參數(shù)模型，非參數(shù)模型，人工神經(jīng)網(wǎng)絡(luò)模型(Artificial Neural Network，簡(jiǎn)稱(chēng)ANN)以及支撐向量機(jī)(Support Vector Machine，簡(jiǎn)稱(chēng)SVM)。參數(shù)模型是指采用某種特定的概率密度函數(shù)來(lái)描述說(shuō)話人的語(yǔ)音特征在特征空間的分布情況

14、，并以該概率密度函數(shù)的一組參數(shù)來(lái)作為說(shuō)話人的模型。典型的參數(shù)模型包括高斯混合模型(Gaussian Mixture Model，簡(jiǎn)稱(chēng)GMM)和隱馬爾可夫模型(Hidden Markov Model，簡(jiǎn)稱(chēng)HMM)。而非參數(shù)模型是指說(shuō)話人模型是由語(yǔ)音特征經(jīng)過(guò)某種運(yùn)算直接得來(lái)。典型的非參數(shù)模型是模板匹配方法和矢量量化模型(Vector Quantization Model，簡(jiǎn)稱(chēng)VQ)。下面分別簡(jiǎn)要介紹這幾種分類(lèi)模型。4.1 高斯混合模型（GMM）GMM 是M個(gè)成員的高斯概率密度的加權(quán)和，可以用下式表示：這里是D 維隨機(jī)向量；是每個(gè)成員的高斯概率密度函數(shù)；是混合權(quán)值。完整的GMM 可表示為：。每個(gè)成員

15、密度函數(shù)是一個(gè)D維變量的高斯分布函數(shù)，形式如下： 對(duì)于一個(gè)長(zhǎng)度為T(mén) 的測(cè)試語(yǔ)音時(shí)間序列，它的GMM 似然概率可以寫(xiě)作：識(shí)別時(shí)運(yùn)用貝葉斯定理，在N 個(gè)未知話者的模型中，得到的似然概率最大的模型對(duì)應(yīng)的話者即為識(shí)別結(jié)果：4.2 隱含馬爾可夫模型（HMM）該類(lèi)方法給定隨機(jī)模型，然后通過(guò)計(jì)算產(chǎn)生一個(gè)觀察 (來(lái)自某說(shuō)話人的矢量集中的一個(gè)矢量)的似然概率。隨機(jī)模型為從說(shuō)話人訓(xùn)練話音得到的特征矢量估計(jì)出的概率密度函數(shù)。每個(gè)說(shuō)話人訓(xùn)練出一個(gè)隨機(jī)模型。給定隨機(jī)模型 后，各說(shuō)話人產(chǎn)生觀察 的概率即被確定。當(dāng)獲得由某測(cè)試人產(chǎn)生的觀察集時(shí)，則可計(jì)算出各個(gè)隨機(jī)模型產(chǎn)生的概率值 ，表示該測(cè)試語(yǔ)音屬于各已知說(shuō)話人的概率值，從

16、而做出判決。HMM 應(yīng)用到說(shuō)話人識(shí)別系統(tǒng)時(shí)經(jīng)常會(huì)遇到的三大基本問(wèn)題：（1）若有一個(gè)HMM 系統(tǒng)，對(duì)于給定的觀察序列O，如何調(diào)整模型 = (, A, B)中的各要素，使概率取最大值；（2）已知一個(gè)HMM 系統(tǒng)的三項(xiàng)特征參數(shù)，給定觀察序列O ，如何計(jì)算概率（3）已知一個(gè)HMM系統(tǒng)的三項(xiàng)特征參數(shù)，若得到了該系統(tǒng)產(chǎn)生的觀察序列O，如何確定一個(gè)合理的狀態(tài)序列S ，使之能最佳地產(chǎn)生觀察序列O。上面三個(gè)問(wèn)題的解決方案即為著名的HMM 三大基本算法：前向后向算法、Viterbi 算法和Baum-Welch 算法。4.3 模板匹配法模板匹配方法利用語(yǔ)音信號(hào)某些特征的長(zhǎng)時(shí)間均值來(lái)辨認(rèn)說(shuō)話人，這一均值也稱(chēng)為統(tǒng)計(jì)平均

17、。使用模板匹配方法就是對(duì)待識(shí)別語(yǔ)音計(jì)算平均值，并與已經(jīng)儲(chǔ)存的每一說(shuō)話人的訓(xùn)練平均值進(jìn)行比較。對(duì)文本無(wú)關(guān)的說(shuō)話人辨認(rèn)，理想的情況是應(yīng)用數(shù)秒或數(shù)分鐘的訓(xùn)練語(yǔ)音，以保證說(shuō)話人的模型是由各種語(yǔ)音的平均特征產(chǎn)生，而不是由某一特殊語(yǔ)音的平均特征產(chǎn)生，待識(shí)別的語(yǔ)音則與訓(xùn)練模板所使用的平均特征間的距離進(jìn)行比較。在模板匹配方法中可使用多種距離尺度，歐式距離和馬式距離是經(jīng)常使用的兩種。使用特征統(tǒng)計(jì)平均的識(shí)別結(jié)果通常是次優(yōu)的，這種方法對(duì)信號(hào)或背景噪聲的變化特別敏感。上述兩種變化可改變說(shuō)話人的特征，導(dǎo)致均值的漂移。4.4 矢量量化模型（VQ）4.4.1 k-means 分群法k-means 分群法屬于分割式分群法的一

18、種，給定預(yù)分的叢聚數(shù)或稱(chēng)為碼本向量數(shù)后反復(fù)修正，盡量減小每個(gè)叢聚中，每一點(diǎn)與叢聚中心的距離平方差。假設(shè)每位說(shuō)話人的特征參數(shù)向量預(yù)用k 個(gè)碼本向量代表，則k-means 算法可概述如下：（1）初始值：任意產(chǎn)生k 個(gè)值當(dāng)作碼本向量；（2）搜尋最近鄰居：對(duì)每一個(gè)特征向量點(diǎn)x，來(lái)找尋與之最接近的群中心，并將x 加入該叢聚；（3）重新計(jì)算各群的碼本向量,更新碼本向量；（4）繼續(xù)重復(fù)（2）和（3）直到每一資料點(diǎn)和碼本向量的平均距離小于一個(gè)門(mén)限值，則最后所得的一組碼本向量即代表一位說(shuō)話人的參考碼本。4.4.2 學(xué)習(xí)向量量化法（LVQ）學(xué)習(xí)向量量化法的訓(xùn)練目的主要是微調(diào)碼本中的碼本向量，來(lái)減少一些分錯(cuò)的向量。

19、其最簡(jiǎn)單學(xué)習(xí)向量量化方法，稱(chēng)之為L(zhǎng)VQ1 算法，訓(xùn)練步驟如下：（1）先使用分群法來(lái)找出每位語(yǔ)者的碼本向量，當(dāng)作初始值；（2）任意地挑選一個(gè)訓(xùn)練向量x ，并知其為語(yǔ)者p 所屬，則將x標(biāo)為x p；接著找出距離向量x最近的碼本向量c，并知其為語(yǔ)者q所屬，將c標(biāo)為cq；（3）若p 和q屬于同一位語(yǔ)者，則將碼本向量cq向的方向拉近，否則，將碼本向量cq向cq的反方向推遠(yuǎn)；（4）若已達(dá)到要求，則LVQ1 訓(xùn)練過(guò)程結(jié)束，否則，回到（2）繼續(xù)進(jìn)行微調(diào)碼本向量。4.5 K-近鄰分類(lèi)法（K-NN）假設(shè)，目前有一測(cè)試語(yǔ)句，想要在已知的多個(gè)說(shuō)話人中找出究竟是哪一位說(shuō)話人所發(fā)出的聲音，可以采用最簡(jiǎn)單的k-NN 分類(lèi)法，

20、就是令k 為1 的NN 分類(lèi)法。其主要步驟如下：（1）模型訓(xùn)練：首先收集N 位說(shuō)話人的訓(xùn)練語(yǔ)句，接著經(jīng)過(guò)特征參數(shù)提取后，得到許多維度為D 的特征參數(shù)向量，再為每個(gè)特征向量標(biāo)上所屬的說(shuō)話人的代號(hào)標(biāo)簽，此時(shí)每個(gè)訓(xùn)練特征向量均有D1 維，最后將同樣卷標(biāo)的特征向量視為同一群，此即為一位說(shuō)話人模型的參考數(shù)據(jù)；（2）分類(lèi)識(shí)別：將一段測(cè)試語(yǔ)句，同樣經(jīng)由特征參數(shù)提取得到一連串維度為D的測(cè)試特征向量，接著任取一個(gè)測(cè)試的特征向量當(dāng)作輸入向量，來(lái)計(jì)算它和所有說(shuō)話人的訓(xùn)練特征向量之間的距離，然后找出兩者之間最小的距離（即最近的鄰居）是屬于哪一個(gè)說(shuō)話人模型的參考數(shù)據(jù)。4.6 神經(jīng)網(wǎng)絡(luò)模型人工神經(jīng)網(wǎng)絡(luò)可在一定程度上模仿人

21、腦的功能，它為說(shuō)話人識(shí)別提供了一個(gè)新的途徑，說(shuō)話人識(shí)別使用過(guò)的神經(jīng)網(wǎng)絡(luò)類(lèi)型較多，前向神經(jīng)網(wǎng)絡(luò)以其結(jié)構(gòu)簡(jiǎn)單、分類(lèi)性能較好在說(shuō)話人識(shí)別中獲得了廣泛的使用。多層前向神經(jīng)網(wǎng)絡(luò)是映射型神經(jīng)網(wǎng)絡(luò)，可完成從說(shuō)話人特征空間向說(shuō)話人集合的映射。說(shuō)話人識(shí)別使用的前向神經(jīng)網(wǎng)絡(luò)多為BP 網(wǎng)絡(luò)和RBF 網(wǎng)絡(luò)，而基于逐級(jí)判決思想，將單個(gè)神經(jīng)網(wǎng)絡(luò)進(jìn)行組合而成的級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)也己應(yīng)用于說(shuō)話人識(shí)別。目前，使用神經(jīng)網(wǎng)絡(luò)進(jìn)行說(shuō)話人識(shí)別所面臨的問(wèn)題是，如果使用一個(gè)網(wǎng)絡(luò)作為分類(lèi)器，當(dāng)待識(shí)別的人群( N )改變時(shí)，網(wǎng)絡(luò)的結(jié)構(gòu)(至少輸出神經(jīng)元個(gè)數(shù))將隨之改變，需要重新對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。再者，當(dāng)N 增大時(shí)，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時(shí)間以指數(shù)增大，理論上當(dāng)N 無(wú)限增大時(shí)，將無(wú)法完成神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。解決這一問(wèn)題的方法是將單個(gè)大網(wǎng)絡(luò)化成許多完成部分功能的子網(wǎng)絡(luò)，再將各個(gè)子網(wǎng)絡(luò)進(jìn)行組合來(lái)完成大網(wǎng)絡(luò)的功能。Rudasi L 等人和Kevin R F等人已用BP 網(wǎng)絡(luò)分別嘗試了說(shuō)話人識(shí)別的兩分網(wǎng)絡(luò)方法和神經(jīng)樹(shù)網(wǎng)絡(luò)方法。4.7 支撐向量機(jī)（SVM）支撐向量機(jī)是一