基于因子分析的說話人確認.pdf

1、本文主要研究信道失配下說話人確認的失配補償問題，信道失配是影響說話人確認系統(tǒng)，尤其是復雜環(huán)境下的文本無關(guān)話者確認系統(tǒng)性能的一個主要因素。為了提高系統(tǒng)的性能和魯棒性，本文在目前基于GMM-UBM的文本無關(guān)話者識別系統(tǒng)中，對系統(tǒng)中存在的信道失配問題，采用基于因子分析的失配補償方法去除訓練和測試語音中的信道干擾，補償后的話者模型和測試語音再進行測試評分，以提高現(xiàn)有說話人確認系統(tǒng)的性能，本文還對基于因子分析的失配補償方法的測試評分部分進行改進，

2、降低了評分部分的計算量，而且系統(tǒng)性能也有提高。
　　 本文的主要研究工作為：
　　 1）針對現(xiàn)有的復雜信道條件下如何提高系統(tǒng)的魯棒性問題，研究和比較了多種信道失配補償算法，在GMM-UBM系統(tǒng)框架下，采用聯(lián)合因子分析的方法進行失配補償。
　　 2）針對聯(lián)合因子分析方法運算量大，算法復雜度高以及需要大量的數(shù)據(jù)訓練空間的問題，本文采用簡化的因子分析，它同聯(lián)合因子分析的區(qū)別在于對說話人信息的建模上，說話人空間不需要額外

3、訓練，直接從UBM中得到，減少對數(shù)據(jù)的要求。
　　 3）如何利用簡化的因子分析對信道失配進行補償，本文分別給出了在特征域和模型域上進行補償?shù)姆椒āＴ谔卣饔蜻M行補償，即把特征參數(shù)中的信道信息去除，得到與信道無關(guān)的新參數(shù)，然后通過GMM-UBM模型計算對數(shù)似然函數(shù)比，得到評分結(jié)果。而基于GMM-UBM框架下模型域的補償方法，則需要對原GMM-UBM模型的似然函數(shù)重新構(gòu)造，本文比較了多種不同似然函數(shù)的估計方法，從識別性能和運算量兩方面

4、考慮，利用線性評分作為模型域的似然函數(shù)比。
　　 4）針對現(xiàn)有的基于因子分析的說話人確認系統(tǒng)評分的復雜性以及需要較大運算量的問題，提出了直接利用話者因子的相似度來計算評分。首先在訓練階段和測試階段分別用因子分析的方法從語音中估計出話者因子，然后直接利用話者因子評分。對比SVM和其它的FA-GMM-UBM話者確認系統(tǒng)，本文中所采用的系統(tǒng)訓練階段和測試階段的流程相同，并且目標話者模型只需要存儲話者因子，存儲量少。在NIST2008數(shù)