基于區(qū)分性說話人模型的與文本無關(guān)說話人確認研究.pdf

1、說話人確認憑借簡便的設(shè)備與非接觸式交互成為目前廣泛應(yīng)用的生物信息認證技術(shù)之一，也是語音識別領(lǐng)域的一個非常重要的研究方向，所以，它的研究不僅具有重大的理論意義而且還有非常強的應(yīng)用價值。
　　 概率統(tǒng)計模型是說話人確認的主流建模技術(shù)，基于該模型的說話人確認系統(tǒng)取得了不錯的性能，然而，這種模型并不能精確地描述說話人確認這類二元分類問題的邊界。近年來，支持向量機以其強大的區(qū)分性描述能力，使得它比概率統(tǒng)計模型更好地解決了這類二元分類問題，

2、因而被大量應(yīng)用到說話人確認上。本文以支持向量機結(jié)合其他說話人確認技術(shù)作為主要研究內(nèi)容，并將其用于與文本無關(guān)的說話人確認。利用因子分析和Ivector構(gòu)建了聯(lián)合說話人確認系統(tǒng)，對聯(lián)合系統(tǒng)的區(qū)分性說話人模型的訓練矢量及測試矢量的選取、信道失配補償策略以及參數(shù)的選擇等關(guān)鍵問題作了詳細的研究，并對它們的性能進行了比較。
　　 首先，針對GMM-UBM-SVM系統(tǒng)在復雜語音環(huán)境下不能對語音進行失配信道補償?shù)膯栴}，我們運用因子分析技術(shù)對語音

3、特征進行連續(xù)失配信道補償，使其更凸顯說話人信息，并將其與SVM相結(jié)合，構(gòu)建了FA-SVM說話人確認系統(tǒng)，并研究了失配信息子空間的大小對系統(tǒng)性能的影響，最后通過實驗驗證了經(jīng)過失配信道補償后的區(qū)分性說話人確認系統(tǒng)性能確實有了提高。
　　 接著，針對FA-SVM系統(tǒng)存在的說話人信息損失的問題，本文研究了Ivector特征矢量，并將Ivector特征矢量與SVM相結(jié)合，構(gòu)建了Ivector-SVM說話人確認系統(tǒng)，詳細討論了系統(tǒng)核函數(shù)的選