基于因子分析的魯棒性話者確認(rèn)方法研究.pdf

1、隨著話者確認(rèn)系統(tǒng)實(shí)用性要求越來(lái)越強(qiáng)烈，不僅需要系統(tǒng)在干凈的實(shí)驗(yàn)室條件下取得較好的效果，還需要在各種復(fù)雜背景下有著較好的魯棒性。信道一直是影響話者確認(rèn)的最大因素之一，由于通信線路的復(fù)雜性以及話筒的多樣性，經(jīng)常使得訓(xùn)練與測(cè)試語(yǔ)音信道失配，導(dǎo)致確認(rèn)性能的急劇下降。 本文首先分析了基于概率統(tǒng)計(jì)模型和基于區(qū)分性辨別模型的話者確認(rèn)系統(tǒng)，給出一種將概率統(tǒng)計(jì)模型與區(qū)分性辨別模型相結(jié)合的話者建模方法，然后結(jié)合當(dāng)前的一些信道失配補(bǔ)償方法，給出了基于

2、因子分析信道失配問(wèn)題的解決方案。主要研究?jī)?nèi)容如下： 1、針對(duì)經(jīng)典的概率統(tǒng)計(jì)模型區(qū)分性不足，而區(qū)分性辨別模型對(duì)話者個(gè)性信息描述不夠準(zhǔn)確的問(wèn)題，本文給出了一種兩者相結(jié)合的GMM-SVM話者確認(rèn)方法，利用GMM作為前端特征變換和聚類，然后采用基于支持向量機(jī)的方法進(jìn)行區(qū)分性話者模型訓(xùn)練和測(cè)試，結(jié)合了概率統(tǒng)計(jì)模型和區(qū)分性辨別模型的優(yōu)點(diǎn)。在Nist數(shù)據(jù)庫(kù)上的對(duì)比實(shí)驗(yàn)表明區(qū)分性訓(xùn)練可以大大改善基于概率統(tǒng)計(jì)模型的系統(tǒng)性能。 2、針對(duì)復(fù)雜

3、環(huán)境中話者確認(rèn)的信道失配問(wèn)題，給出了一種基于GMM_UBM系統(tǒng)框架下簡(jiǎn)化的因子分析算法。將相關(guān)系數(shù)的MAP與因子分析相結(jié)合，將因子分析的復(fù)雜度大大降低并且在估計(jì)出信道空間之后，采用特征映射的方法將前端特征參數(shù)的信道信息去除，將因子分析僅僅限制在前端處理參數(shù)，保留了GMM_UBM的完整框架，大幅減少了計(jì)算量。 3、為了融合因子分析和區(qū)分性辨別模型的優(yōu)點(diǎn)，本文提出一種將因子分析與支持向量機(jī)相結(jié)合的話者確認(rèn)方法，將去除了信道信息的GM