基于DBN-UBM-DBF系統(tǒng)TV建模下的語種識別方法研究.pdf

1、語種識別(Language Recognition，LR)作為語音信號處理領(lǐng)域中的一個重要研究分支，具體是指利用計算機對任意給定時長的語音片段進行一定的分析和處理，從而自動判別出未知語音片段所屬語言類別的過程。
　　近二十年來語種識別才真正意義上成為研究的熱點，理論算法研究的逐漸成熟也逐步平穩(wěn)地推進著語種識別技術(shù)向?qū)嶋H應用方面的轉(zhuǎn)變?；谌町惪臻g(Total Variability, TV)建模獲取語音段i-vector表示的方

2、法因其理論發(fā)展的成熟和性能的突出已被研究者們普遍應用在自己的語種識別系統(tǒng)中。本論文旨在獲得能夠有效描述語種信息的i-vector后，嘗試解決后續(xù)語種識別方法存在的實際問題，從而找到適用于不同語種、不同測試樣本的性能更加優(yōu)異的語種識別方法，主要工作及成果如下:
　　1.研究了基于DBN-UBM-DBF系統(tǒng)TV建模。首先在介紹了經(jīng)典TV建模的基礎(chǔ)上，對DBN-UBM-DBF(Deep Bottleneck Network-Univer

3、sal BackgroundModel-Deep Bottleneck Features)系統(tǒng)中利用同一深度瓶頸網(wǎng)絡(luò)(Deep BottleneckNetwork，DBN)的不同層的輸出信息提取語音段i-vector的完整過程進行了詳細論述，然后對提取到的i-vector的特征域噪聲補償方法進行了闡述和分析，最后在實驗中給出基線系統(tǒng)的默認配置并對基線系統(tǒng)的性能進行測試實驗，為后續(xù)的研究提供統(tǒng)一的性能比較基準。
　　2.系統(tǒng)地分析比

4、較了目前在i-vector空間下的多種主流后端語種識別方法。首先對現(xiàn)有算法做了歸納和分類，詳細介紹了每種方法在語種識別任務中的應用，然后在開發(fā)集上實驗分析確定所需要配置的參數(shù)和相關(guān)實現(xiàn)細節(jié)，并利用不同性能指標下進行在測試集上的性能測試，最后分析比較各種方法在不同測試時長條件下的性能表現(xiàn)差異，并進一步總結(jié)方法之間的優(yōu)劣性，為后續(xù)的改進工作提供了清晰的思路。
　　3.提出了基于語種類內(nèi)方差先驗的加權(quán)余弦距離得分計算(CosineDis

5、tance Score，CDS)改進算法。首先針對基線方法CDS性能提升存在瓶頸的實際問題，提出引入語種數(shù)據(jù)i-vector語種類內(nèi)方差這種先驗知識，然后為了減少由于i-vector不同特征維度對識別性能重要性存在顯著差異帶來的識別錯誤，進一步對語種類內(nèi)方差進行加權(quán)處理，最后通過實驗對改進算法進行性能測試并與基線方法作對比。
　　4.提出了基于局部距離離群因子(LDOF, local distance-based outlier