文本相關之語者識別及其不佳輸入之濾除機制

Research on Text-dependent Speaker Identification with Screening Mechanism for Impropriate Speech Inputs

劉玉情(Yu-Ching Liu)

指導教授 ： 張智星

國立清華大學/電機資訊學院/資訊工程學系/碩士(2009年)

摘要

本論文主要基於語者識別應用在門禁系統下所作的研究，為了安全上的考量，測試語音和參考語音皆為文本相關(Text Dependent)，且以動態時間扭曲(Dynamic Time Warping, DTW)的方法作語者識別。而本論文的目標是希望能夠提升語者識別的初始辨識率，因此提出兩大改善的方法，分別為改善端點偵測錯誤、濾除不佳的測試語音。

首先將測試語音和參考語音擷取出13維的MFCC，利用13維的MFCC作動態時間扭曲比對後，得到初始語者識別的辨識率。根據初始辨識錯誤的音檔作分析，得知端點偵測(Endpoint Detection)錯誤是影響辨識錯誤的主要原因，進而提出改善端點偵測錯誤的方法，使得在特徵擷取前即排除端點標錯的可能。在本論文中，提出改善端點偵測錯誤的方法有兩種，分別為改善端點偵測錯誤接受和改善端點偵測錯誤拒絕。

除此之外，不佳的測試語音也會造成語者識別上的錯誤，因此須在語者識別之前濾除不佳的測試語音，在本論文中，提出兩種濾除不佳測試語音的方法，一種為設定拒絕門檻值，另一種為拒絕不完整的測試語音。其中設定拒絕門檻值的部份，根據特徵擷取出的平均音量、平均音高、平均清晰度和音框數四種特徵參數，分別使用各別特徵參數設定門檻值，以及高斯混合模型設定門檻值。另外，測試語音可能包含錄音內容不完整的情形，若能事先拒絕錄音不完整的測試語音，語者識別的錯誤率就能降低。如此一來，便能在尚未比對參考語音之前，濾除一些可能會造成辨識錯誤的測試語音，使得辨識結果的準確率提升。

關鍵字

語者識別 ； 文本相關 ； 動態時間扭曲

並列摘要

無資料

並列關鍵字

Speaker identification ； Text-dependent ； DTW

參考文獻

【6】 趙怡翔, “鑑別式訓練法於語者驗證之研究”, 交通大學博士論文, 民國98年

【1】 Joseph P. Campbell, Jr., Speaker recognition: A tutorial, Proceedings of the IEEE Volume 85, Issue 9, Sep 1997.

【2】 Wutiwiwatchai, C. Achariyakulporn, V. Tanprasert, C. , Text-dependent speaker identification using LPC and DTW for Thailanguage, TENCON 99. Proceedings of the IEEE Region 10 Conference.

【12】 張文杰, 陳鼎允, 陳子和, 曾志仁, 廖元甫, 莊堯棠, “結合韻律與聲學訊息之強健性漢語語者驗證系統”, Chinese computational linguistics (ROCLING), 2006.

【3】 陳江村, 張智星, 李俊毅, 吳銘鈞, “結合HMM和DTW的兩階段式門禁系統”, Proceedings of the Seventh Conference on Artificial Intelligence and