[發(fā)明專利]一種基于BP神經(jīng)網(wǎng)絡(luò)的說(shuō)話人識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201410270239.0
• 申請(qǐng)日: 2014-06-18
• 公開(kāi)（公告）號(hào): CN104008751A
• 公開(kāi)（公告）日: 2014-08-27
• 發(fā)明（設(shè)計(jì)）人: 周婷婷;李燕萍
• 申請(qǐng)（專利權(quán)）人: 周婷婷
• 主分類(lèi)號(hào): G10L17/00
• 分類(lèi)號(hào): G10L17/00;G10L17/02;G10L17/04;G10L17/18
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

技術(shù)領(lǐng)域

本發(fā)明涉及說(shuō)話人識(shí)別技術(shù)，特別是涉及一種基于BP神經(jīng)網(wǎng)絡(luò)的說(shuō)話人識(shí)別方法。

背景技術(shù)

說(shuō)話人識(shí)別(Speaker?Recognition，SR)又稱話者識(shí)別，是指通過(guò)對(duì)說(shuō)話人語(yǔ)音信號(hào)的分析處理，自動(dòng)確認(rèn)說(shuō)話人的技術(shù)。其綜合了生理學(xué)、語(yǔ)音學(xué)、數(shù)字信號(hào)處理、模式識(shí)別、人工智能等學(xué)科知識(shí)的一個(gè)研究課題，以獨(dú)特的方便性、經(jīng)濟(jì)性和準(zhǔn)確性等優(yōu)勢(shì)，在相關(guān)領(lǐng)域內(nèi)發(fā)揮著重要作用，并有著廣闊的市場(chǎng)背景。說(shuō)話人識(shí)別的基本原理，是利用說(shuō)話人的語(yǔ)音為每個(gè)說(shuō)話人建立一個(gè)能夠描述此說(shuō)話人特點(diǎn)的模型，作為此說(shuō)話人語(yǔ)音特征參數(shù)的標(biāo)準(zhǔn)模板，然后針對(duì)測(cè)試的語(yǔ)音信號(hào)進(jìn)行比對(duì)，實(shí)現(xiàn)判別說(shuō)話人身份的目的。

說(shuō)話人的個(gè)性特征一定程度上體現(xiàn)在說(shuō)話人的發(fā)音聲道變化上，即聲道特征可以更好地對(duì)說(shuō)話人進(jìn)行識(shí)別。基于聲道的特征主要有：(1)美爾倒譜系數(shù)(Mel-frequency?CepstralCoefficients，MFCC)，是基于聽(tīng)覺(jué)系統(tǒng)的臨界帶效應(yīng)、在Mel標(biāo)度頻率域提取出來(lái)的一種倒譜參數(shù)。它能夠比較充分利用人耳這種特殊的感知特性，這種特征具有比較強(qiáng)的魯棒性，得到了廣泛應(yīng)用。(2)線性預(yù)測(cè)倒譜系數(shù)(LinearPredictionCepstrum?Coefficient，LPCC)，1947年維納首次提出了線性預(yù)測(cè)這一術(shù)語(yǔ)，而板倉(cāng)等人在1967年首先將線性預(yù)測(cè)技術(shù)應(yīng)用到了語(yǔ)音分析和合成中。LPCC是最早被應(yīng)用到語(yǔ)音識(shí)別中的一種倒譜參數(shù)，其主要優(yōu)點(diǎn)是比較徹底地去掉了語(yǔ)音產(chǎn)生過(guò)程中的激勵(lì)信息，主要反映聲道響應(yīng)，計(jì)算量小，并且對(duì)元音有較好地描述能力，而且往往只需要十幾個(gè)倒譜系數(shù)就能較好地描述語(yǔ)音的共振峰特性，因此在說(shuō)話人識(shí)別中得到了良好的應(yīng)用。

在語(yǔ)音技術(shù)研究及應(yīng)用領(lǐng)域，語(yǔ)音信號(hào)的識(shí)別算法有三種：基于聲道模型和語(yǔ)音知識(shí)的方法、模板匹配的方法以及利用人工神經(jīng)網(wǎng)絡(luò)的方法。基于聲道模型和語(yǔ)音知識(shí)方面的研究雖然起步較早，但由于其復(fù)雜性，現(xiàn)階段沒(méi)有取得很好的實(shí)用效果。模板匹配的方法有動(dòng)態(tài)時(shí)間規(guī)整(DTW)、隱馬爾科夫(HMM)理論、矢量量化(VQ)技術(shù)，這些算法在噪聲環(huán)境下干擾能力差，不能達(dá)到良好的識(shí)別效果。人工神經(jīng)網(wǎng)絡(luò)方法具有自適應(yīng)性、并進(jìn)行性、魯棒性、容錯(cuò)性和學(xué)習(xí)特性，其強(qiáng)大的分類(lèi)能力和輸入-輸出映射能力在語(yǔ)音識(shí)別中都極具吸引力。

反向傳播(BackPropagation，BP)網(wǎng)絡(luò)是一種誤差逆向傳播算法訓(xùn)練的多層前饋網(wǎng)絡(luò)，具有大規(guī)模并行處理、分布式信息存儲(chǔ)、良好的自組織自學(xué)習(xí)能力及原理簡(jiǎn)單、容易實(shí)現(xiàn)等優(yōu)點(diǎn)。但其也存在固有的缺陷：容易陷入局部極小，收斂速度慢，網(wǎng)絡(luò)泛化能力較弱。而遺傳算法作為一種全局優(yōu)化算法，可以快速的搜索出解空間中的全體，而不會(huì)出現(xiàn)落入局部最優(yōu)解的下降陷阱，同時(shí)由于遺傳算法具有分布式計(jì)算的特點(diǎn)，在實(shí)際求解時(shí)可以加快速度，且比傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的預(yù)測(cè)精度。并且預(yù)測(cè)的均方誤差也較小。

發(fā)明內(nèi)容

本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種基于BP神經(jīng)網(wǎng)絡(luò)的說(shuō)話人識(shí)別方法。

本發(fā)明的目的可以通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)：一種基于BP神經(jīng)網(wǎng)絡(luò)的說(shuō)話人識(shí)別方法，其步驟是：分為語(yǔ)音訓(xùn)練階段和語(yǔ)音識(shí)別階段兩個(gè)步驟；其特征在于：所述語(yǔ)音訓(xùn)練階段的步驟是：首先對(duì)說(shuō)話人語(yǔ)音進(jìn)行語(yǔ)音訓(xùn)練，獲取說(shuō)話人語(yǔ)音信號(hào)，并得到語(yǔ)音預(yù)處理信號(hào)。采用MFCC語(yǔ)音參數(shù)提取法對(duì)語(yǔ)音預(yù)處理信號(hào)進(jìn)行特征提取，求得說(shuō)話人的特征參數(shù)；然后采用PSO-BP神經(jīng)網(wǎng)絡(luò)進(jìn)行模型訓(xùn)練，經(jīng)過(guò)訓(xùn)練后的模型，建立和優(yōu)化PSO-BP神經(jīng)網(wǎng)絡(luò)模型庫(kù)。2.語(yǔ)音識(shí)別時(shí)，采用和語(yǔ)音訓(xùn)練階段時(shí)一樣的方法，從待識(shí)別的語(yǔ)音中提取出語(yǔ)音特征。在BP神經(jīng)網(wǎng)絡(luò)中輸入上述特征參數(shù)，然后分別調(diào)用模型庫(kù)中每個(gè)人已保存好的網(wǎng)絡(luò)權(quán)值；并由pso-BP流程算法計(jì)算輸出結(jié)果，將輸出的結(jié)果與數(shù)據(jù)庫(kù)中的期望識(shí)別身份逐一進(jìn)行比較，將識(shí)別誤差最小的那個(gè)身份作為最后的識(shí)別結(jié)果。

本發(fā)明的有益效果是：本發(fā)明利用MFCC和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合，本發(fā)明公開(kāi)的說(shuō)話人識(shí)別方法能夠更有效的識(shí)別說(shuō)話人，本發(fā)明以標(biāo)準(zhǔn)反向傳播算法(Back?Propagation)BP神經(jīng)網(wǎng)絡(luò)作為參考對(duì)象，通過(guò)使用粒子群算法來(lái)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)以減小異常聲音的誤判，比傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)具有更強(qiáng)的預(yù)測(cè)精度，并且預(yù)測(cè)的均方誤差也較小，具有廣泛的應(yīng)用前景。

附圖說(shuō)明

圖1是本發(fā)明語(yǔ)音識(shí)別過(guò)程示意圖。

圖2是本發(fā)明MFCC語(yǔ)音參數(shù)提取示意圖。

圖3是本發(fā)明pso-BP流程算法示意圖。

圖4是本發(fā)明PSO-BP神經(jīng)網(wǎng)絡(luò)示意圖。

具體實(shí)施方式