面向短語(yǔ)音的說(shuō)話人識(shí)別研究與實(shí)現(xiàn).pdf

1、說(shuō)話人識(shí)別作為生物識(shí)別技術(shù)之一，以其特有的安全性、便捷性、唯一性和穩(wěn)定性，在金融商務(wù)、司法刑偵及聲控安防等領(lǐng)域有廣泛的應(yīng)用前景，已逐漸成為重要研究方向。目前，基于PLDA(Probabilistic Linear Discriminant Analysis)模型的說(shuō)話人識(shí)別技術(shù)在NIST(National Institute of Standards and Technology)國(guó)際說(shuō)話人識(shí)別評(píng)測(cè)中表現(xiàn)突出。但是，PLDA模型的訓(xùn)練過(guò)

2、程需要大量的時(shí)長(zhǎng)充分的語(yǔ)音數(shù)據(jù)，且在測(cè)試語(yǔ)音時(shí)長(zhǎng)較短情況下識(shí)別性能會(huì)急劇下降。進(jìn)一步，實(shí)際應(yīng)用中很難收集到大量的滿足某一特定條件的長(zhǎng)語(yǔ)音用于訓(xùn)練PLDA模型參數(shù)，且現(xiàn)實(shí)生活中待測(cè)語(yǔ)音通常也只有短短幾秒（通稱為“短語(yǔ)音”）。因此，本文將面向短語(yǔ)音提出新的PLDA模型優(yōu)化算法，以提高說(shuō)話人識(shí)別性能。
　　本文工作主要圍繞以下三部分內(nèi)容展開:
　　1、基于NIST說(shuō)話人識(shí)別評(píng)測(cè)任務(wù)，深入了解NIST2004、2005、2006、2

3、008、2010數(shù)據(jù)庫(kù)語(yǔ)音訓(xùn)練條件和測(cè)試條件，根據(jù)評(píng)測(cè)任務(wù)條件需求完成UBM、T矩陣及PLDA的訓(xùn)練數(shù)據(jù)整理工作，以及NIST-SRE2008 short2-short3(female)、NIST-SRE2010 core-core(female)評(píng)測(cè)數(shù)據(jù)整理工作;
　　2、為有效表征語(yǔ)音時(shí)長(zhǎng)對(duì)語(yǔ)音所含說(shuō)話人信息的影響，采用語(yǔ)音時(shí)長(zhǎng)因子調(diào)整標(biāo)準(zhǔn)高斯PLDA模型的協(xié)方差參數(shù)，提出了基于時(shí)長(zhǎng)約束的Modified-priorPLDA的

4、說(shuō)話人識(shí)別方法，在測(cè)試語(yǔ)音為全時(shí)長(zhǎng)（full）、20s、10s的條件下，Modified-prior PLDA系統(tǒng)的EER值分別降低至至3.7％、6.5％、9.9％。進(jìn)一步，應(yīng)用QMF(Quality Measure Function)技術(shù)進(jìn)行分?jǐn)?shù)域校準(zhǔn)，有效地補(bǔ)償了得分偏移。
　　3、針對(duì)目標(biāo)域中訓(xùn)練語(yǔ)音時(shí)長(zhǎng)受限的情況，引入充分時(shí)長(zhǎng)語(yǔ)料構(gòu)成的數(shù)據(jù)庫(kù)（又稱為源域），將源域和目標(biāo)域中說(shuō)話人因子分布的KL散度作為正則化因子修正PLDA