DSP嵌入式說話人識別系統(tǒng)的設(shè)計與實現(xiàn)

2．3 識別方法選擇與實現(xiàn)
基于該系統(tǒng)對速度、識別效率、存儲空間的要求，這里的識別方法選為高斯混合模型。高斯混合模型(GMM)可以看成是狀態(tài)數(shù)為1的連續(xù)分布隱馬可夫模型CDHMM。一個M階混合高斯模型的概率密度函數(shù)是由M個高斯概率密度函數(shù)加權(quán)求和得到，所示如下：

式中：X是一個D維隨機向量；bi(Xi)是子分布，i=1，2，…，M是子分布；ωi是混合權(quán)重，i=1，2，…，M。對GMM模型參數(shù)的估計方法該系統(tǒng)采用最大似然估計。對于一組長度為T的訓(xùn)練矢量序列X={X1，X2，…，XT}，GMM的似然度可表示為：

由于式(5)是參數(shù)λ的非線性函數(shù)，很難直接求出其最大值。因此，該系統(tǒng)采用EM算法估計參數(shù)λ。
2．4 算法實現(xiàn)過程中的具體考慮．
(1)FFT變換點數(shù)的選擇。FFT變換點數(shù)選擇很重要，如果選擇太大，則運算復(fù)雜度變大，使系統(tǒng)響應(yīng)時間變長，如果選擇太小則可能造成頻率分辨率過低，提取參數(shù)誤差過大。該系統(tǒng)中選取的點數(shù)為240點。
(2)模型參數(shù)的選擇。首先模型階數(shù)M必須適中，必須足夠大，可以充分表示出空間的分布。然而，階數(shù)也不能太大，否則數(shù)據(jù)數(shù)量不足，也無法準確描述特征空間分布。考慮該系統(tǒng)對參數(shù)的存儲空間要求，并綜合以上考慮，該系統(tǒng)選用的階數(shù)為32階。
(3)協(xié)方差矩陣類型?？紤]到減少計算量，這里采用對角陣。在高維特征空間中，對角陣比全矩陣優(yōu)勢更為明顯。
(4)方差限定。當訓(xùn)練數(shù)據(jù)不足或者是存在噪聲干擾時，方差幅度會很小，這樣會導(dǎo)致模型概率函數(shù)的奇異性，所以每次EM迭代時，都需要對方差進行限定。即：

根據(jù)實驗結(jié)果，該系統(tǒng)選取S2 min為0．025
(4)模型初值的設(shè)定：EM算法是尋找局部最大概率的模型。不同的初值會導(dǎo)致不同的局部極值。該系統(tǒng)中采用的是K均值法。
2．5 K均值法應(yīng)注意的幾個問題
(1)聚類中心的初始化。對于聚類中心數(shù)目由GMM模型決定，假設(shè)是N。對于聚類中心的初始化，一般取前N個矢量作為聚類中心，但在實驗過程中發(fā)現(xiàn)，這種方法不具有針對性，往往設(shè)立的初始的聚類中心不具有很好的聚類效果。所以這里采用取質(zhì)心法。具體方法為：
第一步先求出訓(xùn)練集S中全體矢量X的質(zhì)心，然后在S中找出一個與此質(zhì)心的畸變量最大的矢量Xj，再在S中找到一個與Xj的畸變量最大的矢量Xk。以Xj和Xk為基準進行胞腔劃分，得到Sk和Sj兩個子集。對這兩個子集分別按照同樣的方法劃分得到4個子集。依次類推，得到N個子集。這N個子集的質(zhì)心即為初始的聚類中心。
(2)聚類中心改進量δ的選擇。對于聚類中心改進量δ的選擇，若選擇太大，則聚類不充分，影響訓(xùn)練效果；若太小，則會導(dǎo)致訓(xùn)練無法完成，該系統(tǒng)通過試驗，取比較適中的數(shù)0．01。
(3)最大迭代次數(shù)的選擇。對于最大迭代次數(shù)的選擇，太小會導(dǎo)致誤判，太大導(dǎo)致訓(xùn)練不成功時過多的占用系統(tǒng)時間。該系統(tǒng)迭代次數(shù)設(shè)為100，比較適中。

3 實驗結(jié)果及改進點
通過系統(tǒng)調(diào)試及改進，該系統(tǒng)最終實現(xiàn)10個說話人的身份識別，并自舉運行。運行時通過Switch組合可方便的選擇訓(xùn)練或識別的功能，并可更新說話人。訓(xùn)練，識別的進度及結(jié)果通過LED組合顯示。利用該系統(tǒng)對5男5女10個人進行訓(xùn)練，每人500次測試，結(jié)果正確識別率為98％，識別時間為3 s左右。說明該系統(tǒng)可以有效的識別說話人的身份。對于該系統(tǒng)，識別時間及識別率上還有改進空間，以后工作可圍繞識別時間上改進。