基于SoPC的实时说话人识别控制器

1 算法简介

    说话人识别系统主要实现建模及识别两方面功能。建模功能提取语音的特征参数并存储起来形成用户模板。识别功能提取语音的特征参数，与模板参数进行匹配，计算其距离。系统框图如图1所示。本文采用改进的DTW(Dynamic Time Warping)算法和LPCC(Linear prediction cepstrum coefficients)特征参数。

1.1 LPCC算法

    (1)分帧：语音信号具有短时平稳性[1]，因此先将其分帧，再逐帧处理。

    (2)有效音检测：有效音检测基于短时能量和短时过门限率两个参数。判决时采取两级判断法：若短时能量高于高门限则判为有声；若低于低门限则判为静音；若介于两者之间，则再判断其过门限率是否高于过门限率门限，若满足则判为有声，否则为静音。

    (3)加窗：加窗可滤去不需要的频率分量，同时有利于减少LPCC算法在帧头及帧尾处的误差。本设计采用汉明窗，其表达式如下：

1.2 改进的DTW算法

1.2.1 全局约束

    图2和图3中，横轴为测试语音参数，纵轴为模板参数，单位为帧。算法以测试语音为基准逐帧进行。如图2，传统的DTW算法中，测试参数长度无法预知时全局约束便无法确定。图3为改进后的DTW，可在未知测试参数长度的情况下进行全局约束，配合帧同步算法，便于算法的实时处理。

1.2.2 局部约束

    得到当前距离后便要进行前向路径搜索。n=1指定与m=1匹配。从n=2开始，每个交叉点(n，m)可能的前向路径为(n-1，m)、(n-1，m-1)、(n-1，m-2)，选出其中最小者作为当前点(n，m)的前向路径，并将该点的累加距离和加上其当前距离作为当前点的累加距离。最终在n=N处可得到若干个累加距离，选其最小者为最终匹配结果。

1.3 Matlab仿真

1.3.1 实验1：对个性信息的识别能力

    实验1的目的在于观察算法对于话者个性信息的识别能力，实验用的语音均为各话者对正确词“开门”的发音，以避免不同单词带来的影响。实验结果如图4所示，系统的等错误率（EER）为0.01，即当错识率为0.01时错拒率也为0.01。

1.3.2 实验2：对语意信息的识别能力

    实验2的目的在于观察识别算法对于语意的识别能力，实验用的语音均为同一话者对正确词及错误词的发音，以避免因不同话者带来的影响。如图5所示，在门限为1.25时得到系统的等错误率（EER）为0.01。比较实验1、实验2的结果可知，算法对语义的识别能力和对话者个性信息的识别能力相近。

1.3.3 实验3：综合测试

    实验3综合考虑了话者的个性信息及语意信息。如图6所示，在门限为1.4时，得到系统的等错误率为0.01，也即此时系统的正确识别率为99%，同时存在1%的错误识别率。

2 SoPC系统构建