基于支持向量机的说话人识别

， 定义 CM h （ w ） ] }， = N
N
1 N 1 N ， CM （ w ） = exp ] [ CM [ log（ CM i ） g i N ∑ N ∑ i =1 i =1
{
∑ i = 1 CM i
1
其中： CM a 为算术平均； CM g 为几何平均； CM h 为调和平均； N 为是某个词中音子的总数； w 为音源中词所 …， O e［i］｝ 为时间帧的序列， b［i］和 e［i］分别代表第 i 个音子的帧的开始 包含的一系列相关音子； O i = ｛ O b［i］， 和结束． 因此， 经过时间长度归一化的统一时间长度为： T i = e［i］ － b［i］ + 1 ． 因为不同的置信音子具有不同 的持续时间长度， 所以可以用时间长度归一化的方法来对某个词进行置信度综合 ， 经过时间长度归一化处 理后的 3 个平均公式分别为： CM a n （ w ） = 1 N
针对每个合成后的置信度得分， 设置一个阈值 γ 作为临界值． 如果该置信度的综合得分大于该临界阈 值， 则接受； 否则， 则拒绝． 1． 2 基于支持向量机的置信度综合
［7 ］ 支持向量机（ support vector machine ，SVM） 的主体思想 是： 将用作训练的数据集采用非线性的形式
j
logp（ H） = 0， 求解 λ ω ii － 1 － n +1
1
1 c（ ω ii － －n + 1 ） j
1 ∑ c（ ωii － －n + 1 ） ωi
i －1 λ ω ii － 1 P ML （ ω i | ω i －n + 1 ） －n + 1 i －1 i －1 λ ω ii － 1 P ML （ ω i | ω i －n + 1 ） + （ 1 － λ ω i － 1 ） P int erp （ ω i | ω i －n + 2 ） －n + 1 i －n + 1
O2 ， …， O T ） 为观测序列． 式中： PH j 表示所有可能出现的音子； O = （ O1 ， 在已有的中外文献中提及的从音子级别的置信度得分合成为词级别的置信度得分的方法 ， 主要是通 过一些特定的平均方法来求得， 如算术平均、 几何平均、 调和平均等 CM a （ w ） =
［2 ］
1 1 1 P ML （ ω i | ω ii － ） P int erp （ ω i | ω ii － P int erp （ ω i | ω ii － －1 －1 － n + 1 ） = λ ωi － n + 1 ） + （ 1 － λ ωi －n +2） i － n +1 i － n +1
（ 4）
第 11 卷 第 4 期 2013 年 12 月
南京 工 程 学 院 学 报 （ 自 然 科 学 版 ）
Journal of Nanjing Institute of Technology（ Natural Science Edition）
Vol． 11 ， No． 4 2013 Dec． ，
文章编号： 1672 － 2558 （ 2013 ） 04 － 0052 － 06
［3 － 4 ］
， 此方法的置信度综
54
南京工程学院学报（ 自然科学版）
2013 年 12 月
2 ） 为了与平均值法时间上统一， 这里采用同样的方法对置信度矢量进行归一化处理， 得到的矢量表 示为 V n （ ω） = C C ， ， …， ) ， 其中 T 表示在第 i 个音子上的持续时间． (C T T T
说话人识别是语音在识别方面拓展 ， 目的在于通过说话人的声源信息来确定说话人的身份 ， 即不同的 人说同一句话通过系统来识别， 无论内容是什么， 系统都能识别出语料库中包含的人的身份． 与工业生产 部门、 政府系统部门以及其他管理部门的实时监控 ， 以及医疗设施、 社会福利等方面的支援建设等社会的 诸多方面直接接轨
Speaker Ｒecognition based on Support Vector Machine
ZHU Dawei1 ， ZHANG Yue2
( 1． School of Communications Engineering， Nanjing Institute of Technology， Nanjing 211167， China; 2． College of Computer Science and Technology， Nanjing University of Aeronautics and Astronautics， Nanjing 211106， China)
（ 5）
式中： c（ ω i ） 代表子词； ω i 代表其在训练集中出现的次数． 通过与最优解的乘积获得具有相同性质的矢量 ． V s （ ω） ） ． 在本文中通过线性插值获得具有相同维数的矢量记为 V p ， 则形成矢量为 V p = F p （ L0 ， 使用 SVM 进行置信度得分计 在具有相同音子数量 L（ ω） 和具有相同维数 L0 的矢量的情况下， 因此， 算采用公式
信度矢量为基础， 分别采用支持向量机方法和平均值 方法对 音 子 的 置 信 度 进行 综 合， 通过 等 错误 率 方 面 的 研究 发 现， 采用支持向量机方法大大低于平均值方法所获得的等错误率， 等错误率大致可以从 28 % 降 至 23 % ， 而 系统的 复杂度仅略微地提高． 关键词： 说话人识别; 置信度; 支持向量机 中图分类号： TP391． 41
Welch 算法估算得到， 对其计算一般采用 Baum对于某个测试集 H， 对其求极大似 其中 λ ω ii － 为插值系数， －1 n +1 然估计 logp（ H） ， 所对应的 λ ω ii － 因此可通过条件 当 logp（ H） 取最大值时， 即为最优解， 1 － n +1 得到 λ ω ii － 的迭代公式为 1 － n +1 = λ ω ii －n －1 +1
基于支持向量机的说话人识别
1 朱大伟 ， 张
跃
2
( 1． 南京工程学院通信工程学院， 江苏 南京 211167 ; 2． 南京航空航天大学计算机科学与技术学院， 江苏 南京 211106 )
摘 要： 支持向量机的说话人识别采用对音子的置信 度 进行 综 合的 原 理 来 完成 对 说 话 人 身份 的 确 认． 以 音 子 的 置
第 11 卷第 4 期
朱大伟， 等： 基于支持向量机的说话人识别
53
1
1． 1
置信度综合与等错误率实现
基于平均值法的置信度综合 一般情况下， 通过全概率公式中的后验概率获得置信度 ． 音子 PH i 的置信度 CM i 的置信度计算 （ 似然
比公式） 公式为 CM i = P （ PH i | O t ） = P （ O t | PH i ） P （ PH i ） ［ P（ Ot ） ∑ j | PH j］ P （ PH j ） （ 1）
Abstract: The recognition of speakers'identity is based on the principle that speaker recognition supporting vector machines is integrated by the note confidence． Based on the note confidence vector， the note confidence is integrated by using support vector machine method and average method． The study of error rate shows that the error rate derived from support vector machine method decreases from 28 % to 23 % ， a rate considerably lower than that derived from the average method． However， the complexity of the system is only slightly improved． Key words: speaker recognition; confidence; support vector machine
映 射 到 一 个 高 维 特 征 空 间 上． 一 般 对 于 矢 量 x 的 分 类 问 题，其 表 达 式 为 f（ x）
S
=
sgn [ ∑ α i y i K （ x i ， 式中： S 为支持向量集合（ i 为支持向量序号） ； x i 为支持向量； y i 是对应于 x i 的 x） + b ] ， 分类标注； α i 和 b 是常数项； K （ ·） 为核函数． 其目的是通过这一映射使线性不可分的数据在高维特征空 间中变为线性可分． 之后在此高维空间内衍生一个具有非线性特性的最优决边界 合如图 1 所示． 具体实现步骤： 1 ） 通过 连 续 状 态 下 的 隐 马 尔 可 夫 模 型 （ CHMM ） 获 得 最 佳 观 测 序 列 的 置 信 度 音 子 矢 量 V0 = C2 ， …， CN ） ， （ C1 ， 式中 C i 是经过 CHMM 识别器获得第 i 个音子的置信度．
[∑
N i =1
CM i 1 ， CM g n （ w ） = exp ∑ log ( CM T ) }
N i i =1 i
hn
（ w） =
N
N
∑ i = 1 CM i
Ti
按照上述方法计算得出某个词的置信度综合得分 ， 之后采用阈值来对假设接受或者拒绝进行最终的 判断， 即 CM f （ w ） = f（ CM（ w ） ） = 1 1 + exp（ － αCM（ w ） ） （ 2）