基于GMM-UBM的快速說話人識別方法.pdf

1、文本無關的說話人識別，由于其實際應用下的靈活性，而成為語音識別領域的研究重點。自從1999年美國國家標準技術研究所（National Institute of Standards and Technology，NIST）舉辦的評測中，高斯混合模型——通用背景模型（Gaussian Mixture Model-Universal Background Model，GMM-UBM）作為基準系統(tǒng)獲得優(yōu)異識別率后，該方向的研究都以其為基準模型，

2、并對其進行改進。盡管說話人識別系統(tǒng)已經(jīng)取得了比較令人滿意的效果，但進行匹配前需大量的似然分計算，由于該因素的影響使得系統(tǒng)識別速度明顯下降，因此實用性不佳。本文的主要目的是在盡量不降低識別率的前提下，減少計算量以實現(xiàn)快速說話人識別。
　　針對說話人識別中計算量大、運行速度慢的情況，本文在基于樹形結構的核心挑選算法基礎上進行改進，自頂向下搜索 UBM中輸出測試語音特征矢量似然分最高的分布，此后與目標說話人模型匹配時，只需計算核心分布的

3、似然分進行識別。改進算法應用到基準系統(tǒng)后，核心挑選速度提高了14.7倍。鑒于特征序列對最終的識別結果無影響，因此系統(tǒng)結合矢量序列重排的剪枝算法后，整個系統(tǒng)速度提高到21.7倍，識別率略有降低。為了提高識別率，論文中將支持向量機（Support Vector Machine，SVM）中徑向基核函數(shù)引入到說話人識別中，識別率提高到與基準系統(tǒng)一致。
　　本文針對女性聲音在開集識別時識別率下降明顯的情況提出了概率閾值的思想，應用于基準系統(tǒng)