基于自適應(yīng)和MCE的說話人識別模型訓(xùn)練技術(shù).pdf

1、說話人識別技術(shù)因其自身獨(dú)特的方便性、經(jīng)濟(jì)性、準(zhǔn)確性和可擴(kuò)展性等優(yōu)點(diǎn)，在生物特征識別領(lǐng)域中具有廣闊的應(yīng)用前景。盡管在實(shí)驗(yàn)室環(huán)境下，說話人識別系統(tǒng)已經(jīng)取得了比較令人滿意的效果，但是現(xiàn)實(shí)中的各種外界因素使得系統(tǒng)性能明顯下降。為了提高系統(tǒng)實(shí)用化程度，還需要解決很多問題，其中一個(gè)顯著的問題就是如何在訓(xùn)練數(shù)據(jù)不足的情況下提高系統(tǒng)的性能。
　　針對訓(xùn)練數(shù)據(jù)不足的特點(diǎn)，本文在對說話人建模時(shí)采用的是高斯混合模型—通用背景模型(Gaussian Ma

2、rkov Model-Uniform Background Model,GMM-UBM)，主要從說話人識別模型的自適應(yīng)方法和參數(shù)估計(jì)方法兩個(gè)方面，研究如何提高說話人識別系統(tǒng)的識別率。在說話人識別模型自適應(yīng)方面，改進(jìn)傳統(tǒng)的用最大后驗(yàn)概率MAP(MaximumA Posterior Probability)得到說話人模型的方法，將語音識別中的最大似然線性回歸MLLR(Maximum Likelihood Linear Regression)

3、和基于特征音(EigenVoice,EV)的自適應(yīng)方法，應(yīng)用到說話人識別模型自適應(yīng)當(dāng)中，并將其與MAP方法進(jìn)行比較；針對MAP和MLLR各自的優(yōu)缺點(diǎn)，將其結(jié)合為綜合漸進(jìn)的自適應(yīng)方法。在參數(shù)估計(jì)方面，考慮到常用的基于最大似然ML(Maximum Likelihood)準(zhǔn)則的算法有一定局限性，它不能有效地刻畫說話人之間的差異。針對這一不足，可以引入近年來語音識別算法中基于最小分類錯(cuò)誤MCE(Minimum Classification Er