基于仿生模式识别的说话人辨认方法研究.pdf

第21卷第7期系统仿真学报©Vol.21No.7
2009年4月JournalofSystemSimulationApr.,2009

基于仿生模式识别的说话人辨认方法研究

李燕萍1,唐振民1,钱博1，张燕1,2
(1.南京理工大学模式识别与智能系统实验室，南京210094；2.金陵科技学院信息技术学院，南京211169)
摘要：仿生模式识别方法模仿了人类进行事物分辨过程中的行为特征，强调了类内事物的相关
性，利用“熟识”程度代替“分类”。与传统模式识别方法注重发掘类间特征差异性相比，给出了
一种新的思路。仿生模式识别方法的难点在于针对同一类事物的有限个样本在特征空间中建立有效
的连续覆盖。提出了一种利用改进的最近邻方法产生类覆盖区的新算法，该算法认为同一类中任
意两个样本间的特征是渐变的，从而生成更多虚拟的样本点，并根据两个样本特征点之间的距离
确定虚拟样本点的覆盖范围。利用该算法实现了说话人识别系统，实验表明该方法能够有效地排
除冒充者话音的干扰，在有大量冒充说话人的实验环境下，能够大大提高系统的识别率。
关键词：仿生模式识别；改进的最近邻算法；说话人辨认;类内特征连续性准则
中图分类号：TN912.34文献标识码：A文章编号：1004-731X(2009)07-1912-04
MethodofBiomimeticPatternRecognitionforSpeakerIdentification
LIYan-ping1,TANGZhen-min1,QIANBo1,ZHANGYan1,2
(1.DepartmentofComputer,NanjingUniversityofScienceandTechnology,Nanjing210094,China;
2.JinlingInstituteofTechnology,Nanjing211169,China)
Abstract:ThemethodofBiomimeticPatternRecognition(BPR)isclosertothefunctionofhumanbeingratherthan
traditionalstatisticalpatternrecognitionusing“optimalseparating”,whichisbasedon“mattercognition”insteadof“matter
classification”.TheBPRintendstofindtheoptimalcoveringofsamplefeaturesinthesameclass.AnewBPRmethodwas
proposedbasedonimprovednearestneighbor(INN),whichactedthroughcoveringthehighdimensionalgeometrical
distributionofthesampleclassinthefeaturespacebasedonthePrincipleofHomologyContinuity(PHC).Thisnew
algorithmthinksthatifthedifferencebetweentwosamplesofthesameclasschangesgradually,agradualchangesequence
mustexistbetweenthetwosamples.ExperimentalresultsindicatethatthenewINNmethodbasedonBPRcaneffectively
avoidthedisturbanceofimpostors.Itcanimprovetherecognitionperformanceremarkablythantraditionalmethodswhen
thereareplentyofimpostorsinrecognitionsystem.
Keywords:biomimeticpatternrecognition;improvednearestneighbor;speakeridentification;principleofhomology-
continuity

1被广泛的应用于物体识别、人脸识别、语音识别等多个领域，
引言
并取得了令人振奋的成果[4-6]。
说话人识别的主要目的是从待识语音中寻找说话人信仿生模式识别的难点在于利用有限的样本建立整个类
息并根据需求给以判定或分类。从上世纪50年代起，很多的特征覆盖，为此，研究者们提出了很多算法[3-6]。由于神
研究者对说话人识别进行了深入研究，在特征提取、建模方经网络具有较强的局部覆盖能力，绝大多数工作都从这方面
[1]
法等方面做出了贡献。许多有