基于i-vector全局参数联合的说话人识别

摘要：

以高斯通用背景模型(Gaussian mixture model-universal background model,GMM-UBM)和i-vector模型为主的说话人识别算法在实际应用中取得了不错的成绩,但i-vector说话人识别模型中存在没有充分考虑通用背景(uni-versal background,UB)数据与训练数据耦合性的问题导致模型性能不佳.提出了基于i-vector全局参数联合(global parameter joint of identify vector,GPJ-Ⅳ)的说话人识别方法.该方法利用背景说话人特征训练得到说话人通用背景模型(universal background model,UBM),构建基于全局联合差异空间和联合信道补偿的GPJ-Ⅳ模型.通过实验测试并与传统方法进行对比,实验结果显示,所提出的GPJ-Ⅳ模型相比i-vector模型,等错误率(equal error rate,EER)和最小检测代价函数(minimum detection cost function,MinDCF)性能分别提升了58.99％和15.9％.

关键词：i-vector模型、全局联合差异空间、GPJ-Ⅳ模型、说话人识别

所属期刊栏目：33

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家地区自然科学基金 61761025

在线出版日期：2021-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：144-151