多门限声纹识别方法

在声纹识别技术中,"阈值设置"一直是限制各种识别方法达到实用要求的瓶颈.为解决声纹识别中"阈值设置"这一关键技术,针对单一方法、单一阈值无法解决的误识率与拒识率两个评价量度的矛盾,提出了"多门限关联识别"方法,对多门限声纹识别方法的原理、可行性和实现过程作了详细的分析,给出了"阈值"的自动选取、两级阀值相关策略的方法.并通过实验验证了该方法对系统改进的有效性,为声纹识别技术的应用提供了一个好的技术支持.     

一种简单有效的说话人身份认证方法

采用生物的特征识别技术,对说话人识别中说话人确认与说话人辨认的传统方法与分类进行了讨论,对现在使用的各种说话人识别算法进行了综合分析。以LPCC(Linear Prediction coding Coefficient)和MFCC(MEL Frequency Cestrum Coefficient)两种特征参数提取为基础,对GMM(Gaussian MixtureModels),VQ(vector Quantization),DHMM(Discrete Hidden Markov Model),CHMM(Concatenation HiddenMarkov Model)等几种识别方法进行了实现,做到了真正的与文本无关。特别以GMM识别方法的部分实验结果为例进行分析,解决了系统中的阈值设置问题,改进了该方法的决策手段。根据实验数据,在各种方法中,说话人确认的错误拒识率和误识率相对说话人辨认总是较高,本文把说话人辨认的阈值选择方法应用于说话人确认,以多模板匹配方式为辅助,使得说话人确认的错误拒识率和误识率大大降低,并通过实验证明了该种改进方法的有效性。