嵌入时延网络的高斯混合背景模型说话人确认

摘要：

本文提出了一种嵌入时延神经网络(TDNN)的高斯混合背景模型(GMM-UBM)说话人确认方法,它集成了作为判别性方法的时延神经网络和作为生成性方法的高斯混合模型各自的优点.该方法利用时延神经网络挖掘特征向量集的时序性,然后把时间信息传递给GMM;并且通过时延网络的变换使需要假设变量独立的最大似然概率(ML)方法更为合理.该方法利用极大似然概率作为训练准则,把高斯混合模型和神经网络作为整体来进行训练.训练过程中,高斯混合模型和神经网络的参数交替更新.实验结果表明,采用本文提出的方法结合TNorm比基线系统的等误差率(EER)降低28%.

关键词：说话人确认、高斯混合背景模型、时延神经网络、嵌入

所属期刊栏目：26

分类号：TN912.34

资助基金：国家自然科学基金60872073,60472058;江苏省自然科学基金BK2008291

在线出版日期：2010-06-29（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：563-568