基于SVM的文本無關(guān)話者確認研究.pdf

1、隨著電話和手機的普及，電話語音在人們的同常生活中占有越來越重要的地位。使用電話語音來進行話者身份的鑒別具有快捷方便等多種優(yōu)點，越來越受到人們的重視，其技術(shù)擁有廣泛的應(yīng)用前景和重要的實用價值。 支持向量機是一種區(qū)分性模型，具有良好的區(qū)分性和泛化性，是目前模式識別領(lǐng)域的研究熱點。高斯混合模型是概率統(tǒng)計模型，其通過概率統(tǒng)計能夠較好的描述話者的特征分布，但其區(qū)分性有待進一步提高。本文將支持向量機用于文本無關(guān)的話者確認作為研究方向，對基于

2、SVM并使用GMM進行特征映射的文本無關(guān)話者確認方法進行了深入的研究。主要研究內(nèi)容如下： 1．深入分析了GMM-UBM的結(jié)構(gòu)特點，并通過實驗分析了混合度的選取對于GMM-UBM確認系統(tǒng)的性能影響以及快速算法Top C中C的取值問題等問題。 2．深入討論了基于支持向量機的話者確認中的各個環(huán)節(jié)，包括建模策略，背景話者的選取，SVM的輸出評分，以及核函數(shù)的選取等，并通過實驗進行了分析。 3．詳細分析了文本無關(guān)話者確認中

3、，SVM直接用作話者模型時所面臨的大樣本，語義信息干擾，特征空間混疊等困難，給出了一種利用GMM進行聚類變換的方法。這種方法利用GMM做前級進行特征變換，對MFCC數(shù)據(jù)集進行了聚類壓縮，將其轉(zhuǎn)化為統(tǒng)計參數(shù)，進一步突出話者個性信息，減少了特征空間的混疊現(xiàn)象，有效的解決了SVM直接用作為話者模型時所面臨的困難。 4．提出了一種基于GMM全統(tǒng)計參數(shù)并結(jié)合SVM核函數(shù)的特征參數(shù)。這種參數(shù)充分利用了GMM的均值，方差和權(quán)重三種統(tǒng)計參數(shù)，僅