基于因子分析的說(shuō)話人確認(rèn).pdf

1、本文主要研究信道失配下說(shuō)話人確認(rèn)的失配補(bǔ)償問(wèn)題，信道失配是影響說(shuō)話人確認(rèn)系統(tǒng)，尤其是復(fù)雜環(huán)境下的文本無(wú)關(guān)話者確認(rèn)系統(tǒng)性能的一個(gè)主要因素。為了提高系統(tǒng)的性能和魯棒性，本文在目前基于GMM-UBM的文本無(wú)關(guān)話者識(shí)別系統(tǒng)中，對(duì)系統(tǒng)中存在的信道失配問(wèn)題，采用基于因子分析的失配補(bǔ)償方法去除訓(xùn)練和測(cè)試語(yǔ)音中的信道干擾，補(bǔ)償后的話者模型和測(cè)試語(yǔ)音再進(jìn)行測(cè)試評(píng)分，以提高現(xiàn)有說(shuō)話人確認(rèn)系統(tǒng)的性能，本文還對(duì)基于因子分析的失配補(bǔ)償方法的測(cè)試評(píng)分部分進(jìn)行改進(jìn)，

2、降低了評(píng)分部分的計(jì)算量，而且系統(tǒng)性能也有提高。
　　 本文的主要研究工作為：
　　 1）針對(duì)現(xiàn)有的復(fù)雜信道條件下如何提高系統(tǒng)的魯棒性問(wèn)題，研究和比較了多種信道失配補(bǔ)償算法，在GMM-UBM系統(tǒng)框架下，采用聯(lián)合因子分析的方法進(jìn)行失配補(bǔ)償。
　　 2）針對(duì)聯(lián)合因子分析方法運(yùn)算量大，算法復(fù)雜度高以及需要大量的數(shù)據(jù)訓(xùn)練空間的問(wèn)題，本文采用簡(jiǎn)化的因子分析，它同聯(lián)合因子分析的區(qū)別在于對(duì)說(shuō)話人信息的建模上，說(shuō)話人空間不需要額外

3、訓(xùn)練，直接從UBM中得到，減少對(duì)數(shù)據(jù)的要求。
　　 3）如何利用簡(jiǎn)化的因子分析對(duì)信道失配進(jìn)行補(bǔ)償，本文分別給出了在特征域和模型域上進(jìn)行補(bǔ)償?shù)姆椒?。在特征域進(jìn)行補(bǔ)償，即把特征參數(shù)中的信道信息去除，得到與信道無(wú)關(guān)的新參數(shù)，然后通過(guò)GMM-UBM模型計(jì)算對(duì)數(shù)似然函數(shù)比，得到評(píng)分結(jié)果。而基于GMM-UBM框架下模型域的補(bǔ)償方法，則需要對(duì)原GMM-UBM模型的似然函數(shù)重新構(gòu)造，本文比較了多種不同似然函數(shù)的估計(jì)方法，從識(shí)別性能和運(yùn)算量?jī)煞矫?/p>

4、考慮，利用線性評(píng)分作為模型域的似然函數(shù)比。
　　 4）針對(duì)現(xiàn)有的基于因子分析的說(shuō)話人確認(rèn)系統(tǒng)評(píng)分的復(fù)雜性以及需要較大運(yùn)算量的問(wèn)題，提出了直接利用話者因子的相似度來(lái)計(jì)算評(píng)分。首先在訓(xùn)練階段和測(cè)試階段分別用因子分析的方法從語(yǔ)音中估計(jì)出話者因子，然后直接利用話者因子評(píng)分。對(duì)比SVM和其它的FA-GMM-UBM話者確認(rèn)系統(tǒng)，本文中所采用的系統(tǒng)訓(xùn)練階段和測(cè)試階段的流程相同，并且目標(biāo)話者模型只需要存儲(chǔ)話者因子，存儲(chǔ)量少。在NIST2008數(shù)