10.3969/j.issn.1003-0530.2001.02.017
噪声背景下基于多模板矢量量化的与文本无关的话者辩识
在话者辨识系统的实际应用中,导致系统识别率下降的根本原因是噪声的影响,它使得测试与训练条件不一致.本文针对实际环境中常见的加性背景噪声,提出了利用加入不同类型、不同信噪比噪声的含噪语音进行训练说话人的模型,每个说话人具有多个模板.实验结果表明,这种方法能够有效的提高系统的鲁棒性.文中还讨论了距离加权方法在话者辨识中的应用.
话者辨识、多模板矢量量化、鲁棒性
17
TN91
国家自然科学基金69872014
2007-10-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
185-188,179