基于重组超矢量的GMM-SVM说话人辨认系统

摘要：

在传统的高斯混合模型-支持向量机(Gaussian Mixture Model-Support Vector Machine,GMM-SVM)说话人辨认系统中,SVM利用从GMM矢量空间中得到的超矢量(Super Vector)直接对说话人进行建模与识别,由于没有考虑到超矢量内各均值矢量之间的关联性,识别性能有限.为此,提出了基于重组超矢量构建文本无关的GMM-SVM说话人辨认系统.该系统充分利用各相邻高斯分量的均值矢量的高度关联性,保证了重组后的超矢量能充分反映说话人身份的内在细节,使得系统具有充分利用SVM处理高维小数据性能的优越特点.验证实验结果表明,与传统的GMM-SVM系统相比,重组超矢量GMM-SVM说话人辨认系统显著地缩短了系统建模的时间,同时有效地提高了说话人的辨别率.

关键词：说话人辨认、高斯混合模型-支持向量机、超矢量重组、辨别率、建模时间

所属期刊栏目：27

分类号：TP302(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61271335;江苏省自然科学基金项目BK20140891;南京邮电大学校科研基金项目NY214038

在线出版日期：2017-08-16（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：51-56