电子教材-基于TMS320C6701EVM板的快速说话人识别系统

基金项目：河南省教育厅基金项目,编号：SP200303099

基于TMS320C6701EVM 板的快速说话人识别系统

王波 徐毅琼 李弼程

(解放军信息工程大学信息工程学院信息科学系 河南省郑州市1001信箱835号 450002)

摘要:本文在TMS320C6701EVM 板的基础上实现一种快速的说话人识别系统。本文提出一种基于段级语音特征的说话人识别的快速算法，该算法在传统的GMM 算法的基础上使用段级语音特征对测试语音进行数据量压缩，以减少计算时间。并基于车比雪夫和不等式提出了基于协方差模型的段级特征的失真测度描述。本文根据实验选择了段级特征语音段长度，实验表明该算法在不显著影响识别率的基础上有效地减少了算法延迟，提高了识别速度。

关键词:段级特征; 车比雪夫和不等式; 说话人识别; 数字信号处理芯片

中图分类号:TP912 文献标识码:A

A Fast Speaker Recognize System Based on

TMS320C6701EVM Board

Wang Bo Xu Yiqiong Li Bicheng

(Information Engineering Institute, Information Engineering University, ZhengZhou China)

Abstract : This paper realize a fast speaker recognize system based on TMS320C6701 EVM board. This paper proposes a fast speaker recognize algorithm based on utterance level feature. Within the system, the algorithm’s framework is GMM and compress data using utterance level feature. The paper also gives out utterance level covariance distortion measure by using Chebyshev’s summation inequalities. This paper chooses the best utterance according to the experiments. Experiments results show that this algorithm efficiently reduce computation delay and fast recognition speed.

Key words : Utterance level feature; Chebyshev’s summation inequalities; Speaker recognition; DSP

一、引言

说话人识别根据对测试语音的要求不同分为文本有关和文本无关。文本有关的说话人识别系统需要在说话人进行测试时，指定说话人说话的内容，存在测试语音长度固定，内容限定等不足。鉴于此,本文主要研究文本无关的说话人识别方法，主要考虑的分类器是GMM 分类器。

一般的文本无关的说话人识别系统，处理语音信号的传统方法是采用每一帧计算一个矢量，然后将这个矢量和原来训练好的模板进行比较，得到这个矢量对于每个人的模板的匹配程度。为了减少测试时间，本文考虑对待测的语音长度（语音帧数）进行压缩，常用的方法是进行空间域压缩，如矢量量化，但该空间域方法并没有减少运算量。本文采用段级特征利用了语音的短时平稳性，从而在时间域上对数据量进行压缩，并基于TMS320C6701EVM 板硬件实现，进一步加快了识别速度。

本文由五部分构成，第二部分介绍基于段级特征，第三部分介绍基于GMM 模型及说话人识别算法，第四部分提出基于段级特征的GMM 的优化算法及失真测度的描述，第五部分讨论实验结果。

二、段级语音特征

2.1段级语音特征的定义

由于语音的短时平稳的特性，可以考虑在一段语音中提取特征，这样同样的语音长度，就可以用更少的语音特征去描述。本文称这种特征为段级特征（Utter Level Feature）。它是和传统的按帧提取语音特征相对应的一个概念。段级特征的一般表示形式是：

),,,(11?++=G i i i G i f s s s ULF Κ

(1.a)

)

,,,(11?++=G i i i G i f a a a ULF Κ (1.b)

其中，ULF i 代表第i 个段级特征矢量，式(1.a)表示ULF i 从连续的G 段语音信号s i 中直接提取，式

(1.b)表示ULF i 从连续的G 个帧级特征矢量a i 中提取。使用段级特征的关键在于长度G 的选取和函数f G ()的选取。本文可以考虑观察值的各阶矩和中心矩作为段级特征。 2.2均值、协方差模型

基于现有模型（高斯模型）和计算量（阶数越高计算量越大）的考虑，本文使用均值和协方差模型来定义段级特征如式(2)所示：

∑?=++??=1

0))((G j T i j i i j i i μx μx C (2)

其中，x i+j 代表帧级特征或语音信号，μi 代表均值，x i+j 是行向量。

三、段级特征的GMM 模型

说话人识别系统的使用分为训练阶段和识别阶段两部分。由于训练阶段并不需要实时计算；而识别阶段是对接收到的语音做出辨识的过程，考虑到系统的实际应用，本文认为提高识别算法是改进说话人识别系统的关键，下面基于段级特征给出快速的识别算法。

考虑两组从一段语音中提取的段级特征——均值μ={μn ,n=1,…,N 1}和方差C={C n ,n=1,…,N 1}，假定方差和均值是独立的。它是由某个说话人模型λl 产生的后验概率由式(3)表示：

∏∑∏∑======11111n 1))|()|()(())|,()(()|,(N n j l n j l n M j j l N j l

n n M j j

l l P P P P P P λC λμλλC μλλC μ (3)

本文把n μ看成是一个语音矢量（实际上它是一段语音中提取出的语音特征的均值，和语音特征有相同的维数），P (μn |λl j )的计算可以按照式(3)计算。P (μn |λl j )实际上是协方差矩阵和已有说话人模板的匹配程度的一种描述。所以首先要解决如何定义协方差之间的失真测度的问题。

文献[1]在音频检索中使用了式(8)定义的分歧形状（Divergence Shape）测度来做为协方差之间的失真测度进行音频类型识别，如语音和音乐区别。

)])([(111221??

??=C C C C tr Dis D (4)

其中tr 为矩阵的求迹运算。但它使用到说话人识别中，分类效果不是很明显。由车比雪夫和不等式可知：设数列D i b a i i Λ,2,1},{},{=，如果D a a a ≤≤≤Λ21，p 是},,2,1{D Λ的一个排列，当)()2()1(D p p p b b b ≤≤≤Λ时∑=D i p(i)i b a 1最大，当)()2()1(D p p p b b b ≥≥≥Λ时∑=D

i p(i)i b a 1最小[2]。协方差反

应的是特征矢量在特征空间的分布形状。如果C 1，C 2所对应的样本集合的分布比较接近，那它们对应

元素之间的比例应该是相近的[3]。

本文提出一种描述两个方差矩阵的失真函数如下：设}{12111D

σσσ≥≥≥Λ是C 1的D 个特征根；

}{22212D σσσ≥≥≥Λ是C 2的D 个特征根。则当C 1，C 2为对角阵时它们的失真测度可以由式(5)表示：

=??=D i i i C tr Dis 12121)(σσC C (5) 定义∑∑==+???=D

i i i D i i i D C Dis 1211211min )(σσσσ，根据车比雪夫和不等式，可以给出C Dis 的取值范围如式(6)所示：

1min ≤≤C C Dis Dis (6)

1C 2C 2C ′

图1 二维对角协方差所对应的样本分布区域 表1 两种测度所描述的协方差矩阵

图1给出了2维矢量分布区域的例子。其中C 1=dialog{4,2}，C 2=dialog{2,1}, C 2’=dialog{2,4}。设矢量分布服从高斯分布，根据σ3准则可知，矢量分布的区域可由协方差矩阵得到如图1所示。由图

1可知C 1与C 2的匹配程度要比C 1与C 2’的匹配程度要好。使用上述两种测度得到的相似度的描述如表1

所示。从表1可以看出，给出的测度在描述协方差矩阵的相似程度的能力比分歧形状测度较强。其中Dis D 越大表示两个矩阵越不相似；而Dis c 正好相反，值越大，表示两个矩阵越相似。当C 1 ，C 2不全是对角阵时，设}{12111D σσσ≥≥≥Λ是C 1的D 个特征根，}{22212D

σσσ≥≥≥Λ是矩阵P 1C 2P T 1的主对角线上的D 个元素，其中P 1是C 1的特征向量组成的矩阵，排列顺序是按相应的特征值的大小排列。则根据矩阵相似变换迹不变原理可知式(6)仍成立。

),(j l n C Dis λC 是一种失真测度的描述，利用sigmoid 函数可以将)|(j l n C Dis λC 转换成)|(j l n P λC ，

如式(7)。把)|(j l n C Dis λC 归一化到范围(0,1)。考虑到exp(-10)≈0，所以本文取)1(20min C Dis ?=α。

)}(exp{11),(b x P j l ??+=αλC 其中 21min C Dis b += (7) 基于上述改进，得到改进的GMM 算法，它在训练阶段和传统算法是一致的。在识别阶段，本文依据式(8)进行对说话人进行辨识，这里使用了对数似然函数。

))),(()|()(log(max arg ?1111∑∑==≤≤??=N n M j j l n c j l n j l L l Dis sigmoid P P S λC λμλ (8) 其中，N 1=N/G，G 为语音段含语音帧的个数。对于语音信号来说，前后几帧的相关性是比较大的。这里本文利用语音信号段级特征的协方差模型来计算语音段的协方差和均值特征矢量与GMM 模型提供的协方差和均值进行匹配，计算出的后验概率的大小表示语音段和GMM 模型参数的匹配程度。由于本文的段级特征是由几个连续的帧级特征得到的，这样处理就达到了压缩数据量和减少运算量的作用。

四、实验结果及讨论

本文在TMS320C6701EVM 板上实现了算法。语音采样率为8KHz，每个样点进行16bits 量化。每帧长为256个样点，前后帧迭接128个样点。使用的参数是美尔频率倒谱(MFCC)和差分美尔频率倒谱各12维，组成24维的矢量。GMM 的混合数为16，协方差矩阵为对角阵。

图2表示不同G（每段包含语音帧数）的情况下，使用Dis D （分歧形状测度）和Dis C （改进测度）的识别率与传统识别方法的识别率的比值。从图2中可以看出，使用段级特征会使识别率降低，换取的是快速的计算时间，两种失真测度都会在G=8的时候取得与传统识别方法最接近的识别率。但使用Dis C 得到了和传统方法更接近的识别率，当然，也可以在计算时间和识别率上进行折中，如G=11时，两种方法与传统的方法的识别率也比较接近，且计算时间要比G=8要小。在优先考虑识别率的前提下，本文的识别系统选用G=8。实验表明，本文的说话人识别系统在保证识别率的前题下，提取段级矢量，使识别速度提高了7-8倍。同时也说明本文的基于段级特征的说话人识别算法是有效的、快速的。

失真测度 21,C C 21,C C ′

D Dis

1 1 C Dis 1 0.8

图2 每段语音帧数与段级特征的识别率

本文的主要创新点在于：基于TMS320C6701EVM板提出了一种基于段级语音特征的快速的说话人识别算法，该算法在传统的GMM算法的基础上使用段级语音特征对测试语音进行数据量压缩，减少了计算时间，同时利用车比雪夫和不等式提出了基于协方差模型的段级特征的失真测度描述，实验表明，该失真测度对于说话人识别来说是有效的。

参考文献

[1]Ran D.Zilca. Text-Independent Speaker Verification Using Utterance Level Scoring and Covariance IEEE Transactions on Speech And Audio Processing, VOL.10,NO.6 pp363-pp370,September 2002.

[2]Ronald L.Graham, Donald E.Knuth, Oren Patashnik. Concrete Mathematics: a foundation for computer science .

ADDISON-WESLEY PUBLISHING COMPANY. 1988 .p52

[3]Y.Bennani. Multi-Modular and Hybrid Connectionist Approaches for Pattern Recognition: Speaker Identification Task. Carnegie Mellon University Department of Electrical and Computer engineering.

[4]韦江维.TMS320C5402在语音信号数字化及无线传输中的应用, 微计算机信息杂志，2000，9

作者简介:王波,男,1978年1月生,解放军信息工程大学讲师,博士,现主要从事语音识别与信息处理方面的教学与研究，email：yyywb@https://www.360docs.net/doc/ff9662593.html,。

Introduction of author: Wang Bo, male, born in January, 1978, doctor degree, majored in speech recognition and information processing. E-mail: yyywb@https://www.360docs.net/doc/ff9662593.html,.

(450002 解放军信息工程大学信息工程学院信息科学系) 王波

通讯地址：（450002 河南省郑州市1001信箱835号）王波