信道失配條件下的話者確認(rèn)研究.pdf

1、隨著科學(xué)技術(shù)的發(fā)展，說話人確認(rèn)技術(shù)的研究重點(diǎn)逐漸從實(shí)驗(yàn)室環(huán)境轉(zhuǎn)向現(xiàn)實(shí)生活中的復(fù)雜環(huán)境。這給說話人確認(rèn)帶來了許多新的亟待解決的問題，信道失配就是其中的一個(gè)典型的具有代表性的問題。信道失配，是指訓(xùn)練語音和測(cè)試語音分別來自不同的傳輸信道，進(jìn)而導(dǎo)致話者確認(rèn)系統(tǒng)的性能下降。
　　 本論文分析了基于GMM-UBM結(jié)構(gòu)和SVM模型的說話人確認(rèn)系統(tǒng)；探討了多種在特征域、模型域和得分域中常用的信道失配補(bǔ)償算法；給出了基于冗余屬性投影的信道失配問題

2、的解決方案，并對(duì)冗余屬性算法進(jìn)行了優(yōu)化。
　　 本論文主要的研究?jī)?nèi)容如下：
　　 一、深入研究了基于概率統(tǒng)計(jì)高斯混合模型-通用背景模型（GMM-UBM）結(jié)構(gòu)的話者確認(rèn)系統(tǒng)，探討了EM算法和MAP算法。針對(duì)概率統(tǒng)計(jì)模型的區(qū)分性不足以及區(qū)分性辨別模型對(duì)說話人個(gè)性特征描述不夠精確的問題，給出了基于GMM-SVM結(jié)構(gòu)的話者確認(rèn)系統(tǒng)，利用GMM模型對(duì)特征參數(shù)進(jìn)行壓縮和聚類后，采用從GMM模型中構(gòu)建出的GMM-supervector

3、作為SVM的輸入來建立目標(biāo)話者模型。
　　 二、深入研究了在復(fù)雜信道條件下的說話人確認(rèn)的失配補(bǔ)償方法，針對(duì)特征參數(shù)的倒譜均值減、相關(guān)譜濾波、特征映射等方法；針對(duì)模型的因子分析等方法；針對(duì)測(cè)試評(píng)分的測(cè)試規(guī)整等方法。在NIST數(shù)據(jù)庫上的對(duì)比試驗(yàn)表明這些方法可以改善信道失配對(duì)話者確認(rèn)系統(tǒng)帶來的負(fù)面影響。
　　 三、深入研究了基于GMM-SVM結(jié)構(gòu)的話者確認(rèn)系統(tǒng)中的信道失配問題，給出了一種通過消除SVM輸入特征GMM-super