劉雪燕*，李 明，袁寶玲

(1.中山火炬職業(yè)技術學院 信息工程系，廣東 中山528436;2.蘭州理工大學 計算機與通信學院，蘭州 730050)

基于CFCC-PCA的說話人辨識方法

劉雪燕1*，李 明2，袁寶玲1

(1.中山火炬職業(yè)技術學院 信息工程系，廣東 中山528436;2.蘭州理工大學 計算機與通信學院，蘭州 730050)

針對說話人訓練和識別時間長、噪音環(huán)境下識別率低的問題，提出一種CFCC-PCA特征參數(shù)的說話人辨識方法。首先提取具有聽覺特性的CFCC特征參數(shù)，然后對其進行PCA變換，找出具有分辨能力的參數(shù)，最后再用這些參數(shù)在云服務器中訓練和識別說話人。實驗表明:該方法可以提高說話人辨識的魯棒性和識別率，云服務可提高系統(tǒng)實時性。

CFCC-PCA;說話人辨識;支持向量機;云服務器

說話人辨識技術因其不容易模仿、隨身攜帶等生物特證優(yōu)點，在身份識別領域中具有廣泛的應用［1］?，F(xiàn)有的說話人辨識技術在安靜環(huán)境下識別率很高，但在噪音環(huán)境中識別率低、識別實時性不強，因此不能得到廣泛的應用［2-3］。很多學者做了大量的研究來提高實時性和魯棒性，文獻［4］提出耳蝸倒譜系數(shù)(Cochlear Filter Cepstral Coefficients，CFCC)的特征參數(shù)以提高在噪音環(huán)境下的識別率;文獻［5］提出將軟件能力成熟度模型(Capability Maturity Model，CMM)說話人模型的距離定義為相似度，即將聲音類似的說話人聚集為同一類。CFCC特征參數(shù)具有很好的抗噪聲能力，其性能優(yōu)于Mel倒譜系數(shù)(Mel Cepstrum Coefficients，MFCC)，但是其分類能力不強。文獻［6］提出高斯混合模型(Gaussian Mixture Model，GMM)是一種概率統(tǒng)計說話人模型，隨著注冊用戶的增多，語音特征參數(shù)之間重疊比較嚴重，系統(tǒng)識別率降低很快。文獻［7］指出主成分分析(Principal Component Analysis，PCA)是不需要訓練的分類器，直接可由語音特征參數(shù)得到，實現(xiàn)比較快速、簡單。文獻［8］指出支持向量機(Support Vector Machine，SVM)是一種基于結構風險最小化原則的模式識別方法，在處理非線性、高維數(shù)樣本時具有很大的優(yōu)勢，在基于語音樣本的說話人辨識上有良好的效果。本文提出一種融合PCA分類和CFCC特征參數(shù)的辨識方法，以提高魯棒性，并用云服務器訓練SVM模型，提高系統(tǒng)實時性。

1 算法

說話人辨識的前期工作有語音信號的錄入、語音特征參數(shù)的提取、說話人模型的訓練等。當進行說話人身份識別時，錄入待測語音，系統(tǒng)根據(jù)待測語音提取語音特征參數(shù)，然后與已經(jīng)訓練好的說話人模型進行匹配，從而確定身份，完成說話人辨識。語音特征參數(shù)的提取、說話人模型的訓練及匹配都是通過算法來完成，因數(shù)據(jù)比較大，處理這些數(shù)據(jù)會花費較多的時間，影響系統(tǒng)的實時性，為減少運算時間，本研究將這些算法搬移到搭建的云服務器中進行。

1.1 耳蝸倒譜系數(shù)CFCC

CFCC參數(shù)是人耳聽覺感知特征，PCA具有很好的分類能力，本實驗先提取注冊說話人語音的CFCC特征參數(shù)，得到分類能力比較好的重構信號。將n個需要注冊的說話人描述為s∈(1，n)，每一個注冊說話人的語音用M段需要訓練的語音段)組成，這些語音段反映了注冊說話人的不同發(fā)音以及語音韻律等特征。根據(jù)文獻［4］提出的基于聽覺變換的CFCC語音特征參數(shù)算法，將錄入的語音信號，代入CFCC變換公式，得到經(jīng)過聽覺變換的T(a，b):

其中:耳蝸濾波函數(shù)為:

耳蝸濾波函數(shù)滿足的條件:

其中:α＞0;β＞0;θ為初始相位，取值滿足式(3);u(t)為單位步進函數(shù);b為隨時間可變的參數(shù);a=fL/fc為尺度變量，且0＜a≤1;fc為最低濾波器組的中心頻率;fL為當前要實現(xiàn)濾波器的最低中心頻率。

人耳能夠聽到的聲音的頻率范圍為20 Hz～20 kHz，且對于頻率的分辨能力是非均勻的。α和β的取值會影響降噪效果，經(jīng)多次實驗證明:當α=3，β=0.2時，降噪效果良好。由此得到的T(a，b)的頻譜變換平滑，沒有噪音。下面對T(a，b)進行變換，以得到基于人耳耳蝸的語音。

其中:d=max{3.5τi，20 ms};τj=1/fi;L=1/fc=10 ms。

最后將 y(i，j)進行離散余弦變換，從而得到CFCC特征參數(shù):

1.2 CFCC-PCA語音特征參數(shù)

1)計算語音特征參數(shù)矢量的均值向量:

2)計算中心化的語音特征矢量:m＇(i)=m(i)-u。

3)計算協(xié)方差矩陣:

4)計算協(xié)方差矩陣的特征值λ1≥λ2≥…≥λ24和對應的特征矢量w1，w2，…，w32，取最具有分辨力的特征向量(特征值最大的前q個)組成變換矩陣W=(w1，w2，…，wq)，再由 KL 變換公式得到主成分:Y(i)=WTX＇(i)，同時保存變換矩陣W，在二次判決中使用。

5)重構語音信號X^(i)=WY(i)，得到降低維數(shù)和去除噪音后的語音。

1.3 計算平臺

云計算平臺具有運算能力強、服務虛擬化、安全性好、可靠性高等優(yōu)點，正被應用于不同的領域［9-10］。Hadoop是一個基于云計算平臺框架，可以把大量廉價硬件設備組成云計算集群，并進行大規(guī)模的計算。本實驗利用Hadoop技術將現(xiàn)有的8臺普通計算機和1臺普通服務器組合在一起，普通計算機配置2.30 GHz，內存32.0 GB，64位操作系統(tǒng)，服務器配置為Intel Celeron(R)CPU 2.7 GHz。采用MapReduce并行數(shù)據(jù)處理模型，將語音特征參數(shù)的提取、說話人模型的訓練及匹配等計算復雜度比較大的3個算法植入Hadoop MapReduce框架。

說話人模型訓練:語音數(shù)據(jù)通過客戶端的麥克風輸入，然后客戶端將語音發(fā)送到云服務器，因語音數(shù)據(jù)參數(shù)比較多，參數(shù)提取算法、說話人模型的訓練算法等計算復雜度比較大，服務器將語音數(shù)據(jù)分塊，存儲在各個節(jié)點上。然后調用MapReduce編程框架中的CFCC倒譜系數(shù)、CFCC-PCA語音特征參數(shù)算法，對語音特征參數(shù)進行提取，并將提取之后的語音特征參數(shù)儲存在各個節(jié)點，再調用SVM說話人模型訓練算法程序，并行訓練SVM子模型，從而完成說話人模型的訓練。此方法可以節(jié)省大量的訓練時間。

說話人辨識:將待測語音通過客戶端輸入，客戶端將語音發(fā)送到云服務器，在云服務器和各節(jié)點提取CFCC-PCA語音特征參數(shù)，并與各節(jié)點儲存SVM說話人子模型進行匹配，完成模式識別后，將識別結果返回客戶端。

圖1 云服務器說話人辨識模型

2 結果與討論

2.1 系統(tǒng)的實時性

為檢測實驗的實時性，分別利用云服務器和普通PC機進行模型訓練和識別。第1組:在1.3中描述的計算平臺中進行，8臺普通計算機和1臺普通服務器;第2組:普通客戶終端配置為2.30 GHz，內存32.0 GB，64位操作系統(tǒng)。第1組實驗時，從客戶端錄入語音，傳送至云服務器，由云服務器將語音數(shù)據(jù)分到各節(jié)點提取參數(shù)并訓練模型。第2組:語音錄入、參數(shù)提取、模型的訓練和說話人識別都在普通PC機中進行。通過對比可以發(fā)現(xiàn):云計算平臺占有絕對優(yōu)勢，如圖2、圖3所示。

圖2 訓練時間對比

圖3 識別時間對比

2.2 系統(tǒng)的魯棒性

為檢測基于CFCC-PCA特征參數(shù)的系統(tǒng)魯棒性，抽取實驗中的100人，分別提取32維的MFCC、LPCC、CFCC-PCA等不同的特征參數(shù)，測試在不同高斯白噪音下的正確識別率，測試結果如圖4所示。由圖4可知:基于CFCC-PCA特征參數(shù)的說話人辨識具有較好的魯棒性。

圖4 特征參數(shù)在噪音環(huán)境下的比較

3 結語

本研究提出基于PCA分類和CFCC聽覺特性的特征參數(shù)提取方法，用CFCC-PCA特征參數(shù)訓練說話人模型，并訓練和識別說話人都在云服務器中進行，實驗表明:CFCC-PCA特征參數(shù)具有很好的魯棒性，而云服務器具有高效的處理能力，提高了識別效率，保證了系統(tǒng)的實時性。

［1］JAIN A K，HONG L，KULKARNI Y A.Multimodal biometric sys-tem using fingerprints，face and speech［C］//2nd Int＇l Conferenceon Audio-and Video-based Biometric Person Authentication，Washington D.C.，1999:182-187.

［2］曹潔，余麗珍.改進的說話人聚類初始化和GMM的多說話人識別［J］.計算機應用研究，2012，29(2):590-593.

［3］GARAU G，DIELMANN A，BOURLARD H.Audio-visual synchronisation for speaker diarisation［C］//Proc of International Conference on Speech and Language Processing.Makuhari，Chiba:［s n.］，2010:2654-2657.

［4］LI Q，HUANG Y.An Auditory-based feature extraction algorithm for robust speaker identification under mismatched conditions［J］.Audio，Speech，and Language Processing，IEEE Transactions on，2010，19(6):1791-1801.

［5］TSAIW H，CHHEN S S，WANG H M.Automatic speaker clutering using a voice characteristic reference space and maximum purity estination［J］.IEEE Transactions on Audio Speech and Languager Processing，2013，15(4):1461-1471.

［6］LIUM H，XIEY L，YAO Z Q，et al.A new hybrid GMM/SVM for speaker verification［C］//The 18th International Conference on Pattern Recognition，Hong Kong:IEEE Press，2006:314-317.

［7］ZHANG W F，YANG Y C，WU Z H，Exploition PCA classifiers to speaker recognition［C］//Proceddings of the International Joint Conference on the Neural Networks Portland IEEE Press，2003(1):820-823.

［8］BURGES C L C.A tutorial on support vector machines for pattern recognition［J］.Data Mining and Knowledge Discovery，1998，2(2):121-167.

［9］GAO Y，JIN L W，HE C，et al.Handwriting character recognition as a service:a new handwriting recognition system based on cloud Computing［C］//Document Analysis and Recognition(ICDAR)，2011 International Conference on，2011:885-889.

［10］羅希，劉錦高.基于NIOS的ANN語音識別系統(tǒng)［J］.計算機系統(tǒng)應用，2009(12):144-146.

Speaker Identification Based on CFCC-PCA

LIU Xueyan1* ，LI Ming2，YUAN Baoling1

(1.Department of Information Engineering，Zhongshan Torch Polytechnic，Zhongshan 528436，China;2.College of Computer＆Communication，Lanzhou University Of Technology，Lanzhou 730050，China)

Training speaker system and speaker identification need a long time，and in the noise environment，the recognition rate is very low，A CFCC-PCA characteristic parameter method is proposed.Firstly，the acoustic characteristics of CFCC characteristic parameters are extracted.Then，

CFCC-PCA parameters are extracted by PCA transformation of CFCC characteristic parameters.Finally the speaker models are trained and recognized in cloud.Experiments show that the CFCC-PCA characteristic parameters can improve the robustness and recognition rate of the speaker，the cloud services with efficient processing ability to improve system real-time performance.

CFCC-PCA;speaker identification;Support Vector Machine(SVM);cloud server

TP391.4

A

2095-5383(2015)02-0032-03

10.13542/j.cnki.51-1747/tn.2015.02.010

2015-03-17

中山市科技發(fā)展專項基金項目“基于云計算的生物身份認證技術研究及應用”(2013A3FC0350);中山市科技發(fā)展專項基金項目“基于中山地貌的最優(yōu)化無線網(wǎng)絡模型研究”(2013A3FC0318)

劉雪燕(1980— )，女(漢族)，河南周口人，講師，碩士，研究方向:生物身份識別、模式識別，通信作者郵箱:hnqiaolu@163.com。

李明(1959— )，男(漢族)，河北辛集人，教授，碩士，研究方向:智能信息處理。