基于DTW的编码域说话人识别研究
加入技术交流群
本文选择G.729编码帧中第一子帧的LSP(1)参数的反余弦LSF及由其转换得到的LPC、LPCC参数作为声道特征参数。
参考文献[1]发现识别特征加入G.729压缩帧中的语音增益参数，说话人识别性能发生了下降。去除G.729压缩码流特征中的增益参数GA1、GB1、GA2、GB2，结果发现，当采用了去除增益参数的特征矢量方案X=(L0,L1,L2,L3,P1,P0,P2)，识别性能得到了提高，所以本文最终采用的G.729压缩码流特征为X=(L0,L1,L2,L3,P1,P0,P2)，共7维。
2 动态时间规整(DTW)识别算法
动态时间规整DTW(Dynamic Time Warping)是把时间规整和距离测度计算结合起来的一种非线性规整技术。该算法基于动态规划思想，解决了发音长短不一的模版匹配问题。
算法原理：假设测试语音和参考语音分别用R和T表示，为了比较它们之间的相似度，可以计算它们之间的距离D[T，R]，距离越小则相似度越高。具体实现中，先对语音进行预处理，再把R和T按相同时间间隔划分成帧系列：
然后采用动态规划进行识别。如图2所示。本文引用地址：https://www.eepw.com.cn/article/166450.htm
把测试模版的各个帧号n＝1,…,N在一个二维直角坐标系的横轴上标出，把参考模版的各帧号m＝1,…,M在纵轴上标出，通过这些表示帧号的整数坐标画出的横纵线即可形成一个网格，网格中的每一个交叉点(n，m)表示测试模版中某一帧与训练模版中某一帧的交叉点。动态规划算法可以归结为寻找一条通过此网格中若干格点的路径，路径通过的格点即为测试和参考模版中距离计算的帧号。
整个算法主要归结为计算测试帧和参考帧间的相似度及所选路径的矢量距离累加。
识别流程如图3所示。
评论