基于区分性GMM文本无关的话者识别的研究

摘要：

说话人识别的关键在于如何为集合中的每一个人建立一个能表征该说话人个性特征的声学模型,建模方法将会严重影响系统的性能.基于当今与文本无关的话者识别的主流模型——高斯混合模型(Gaussian Mixture Model,GMM)的基础上,从声学的角度剖析了男女发音的差别,以增加说话人之间的差异性为出发点,引入竞争性思想和通用背景模型(Universal Background Model,UBM),提出了具有区分性的GMM的建模方法,克服了传统GMM需要大量训练样本的局限性和UBM将说话人强制服从统一分布的弱点.最后实验的对比结果表明,具有区分性的GMM相比传统的高斯混合模型在识别率上有所提高.

关键词：说话人识别、高斯混合模型、通用背景模型、EM算法、区分性、竞争思想

所属期刊栏目：1

分类号：TN912.3

资助基金：哈尔滨市青年科技创新人才基金资助项目2007RFQXG097

在线出版日期：2012-03-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：86-88