基于因子分析的魯棒性話者確認方法研究.pdf

1、隨著話者確認系統(tǒng)實用性要求越來越強烈，不僅需要系統(tǒng)在干凈的實驗室條件下取得較好的效果，還需要在各種復(fù)雜背景下有著較好的魯棒性。信道一直是影響話者確認的最大因素之一，由于通信線路的復(fù)雜性以及話筒的多樣性，經(jīng)常使得訓(xùn)練與測試語音信道失配，導(dǎo)致確認性能的急劇下降。 本文首先分析了基于概率統(tǒng)計模型和基于區(qū)分性辨別模型的話者確認系統(tǒng)，給出一種將概率統(tǒng)計模型與區(qū)分性辨別模型相結(jié)合的話者建模方法，然后結(jié)合當前的一些信道失配補償方法，給出了基于

2、因子分析信道失配問題的解決方案。主要研究內(nèi)容如下： 1、針對經(jīng)典的概率統(tǒng)計模型區(qū)分性不足，而區(qū)分性辨別模型對話者個性信息描述不夠準確的問題，本文給出了一種兩者相結(jié)合的GMM-SVM話者確認方法，利用GMM作為前端特征變換和聚類，然后采用基于支持向量機的方法進行區(qū)分性話者模型訓(xùn)練和測試，結(jié)合了概率統(tǒng)計模型和區(qū)分性辨別模型的優(yōu)點。在Nist數(shù)據(jù)庫上的對比實驗表明區(qū)分性訓(xùn)練可以大大改善基于概率統(tǒng)計模型的系統(tǒng)性能。 2、針對復(fù)雜

3、環(huán)境中話者確認的信道失配問題，給出了一種基于GMM_UBM系統(tǒng)框架下簡化的因子分析算法。將相關(guān)系數(shù)的MAP與因子分析相結(jié)合，將因子分析的復(fù)雜度大大降低并且在估計出信道空間之后，采用特征映射的方法將前端特征參數(shù)的信道信息去除，將因子分析僅僅限制在前端處理參數(shù)，保留了GMM_UBM的完整框架，大幅減少了計算量。 3、為了融合因子分析和區(qū)分性辨別模型的優(yōu)點，本文提出一種將因子分析與支持向量機相結(jié)合的話者確認方法，將去除了信道信息的GM