信道失配环境下鲁棒说话人识别

摘要：

目前说话人识别系统在理想环境下识别率已可达90％以上,但在实际通信环境下识别率却迅速下降.本文对信道失配环境下的鲁棒说话人识别进行研究.首先建立了一个基于高斯混合模型(GMM)的说话人识别系统,然后通过对实际通信信道的测试和分析,提出了两种改进方法.一是由实测数据建立了一个通用信道模型,将干净语音经通用信道模型滤波后再作为训练语音训练说话人模型;二是通过对比实测信道、理想低通信道及语音梅尔倒谱系数(MFCC)的特点,提出合理舍去语音第一、二维特征参数的方法.实验结果表明,通过处理后,系统在通信环境下的识别率提升了20％左右,与传统的倒谱均值减(CMS)方法相比,识别率提高了9％-12％.

关键词：说话人识别、信道失配、通用信道模型、梅尔倒谱系数

所属期刊栏目：24

分类号：TN9;TP3

在线出版日期：2015-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：235-240