說話人識別中的信道補償.pdf

1、自動說話人識別屬于多維模式識別和智能計算機接口的范疇，其研究的根本目的是使機器能夠自動辨認出說話人。當前在實驗室環(huán)境下說話人識別系統(tǒng)取得了長足的進步，有著很好的性能。但是在實際環(huán)境中，由于存在復(fù)雜多變的噪聲和信道干擾，系統(tǒng)性能急劇下降。因此如何有效地抑制或消除信道干擾，提升說話人識別系統(tǒng)的魯棒性成為一個重要課題。 信道魯棒性問題的根源可以歸結(jié)為說話人識別訓(xùn)練環(huán)境和測試環(huán)境之間的不匹配。一般來說，信道補償算法可以粗略歸為三方面：特

2、征域，模型域和得分域。特征域方法主要著眼于對特征參數(shù)本身的處理和特征參數(shù)提取過程中方法的改進，使得隨著環(huán)境變化特征參數(shù)變化盡可能小。模型域方法則根據(jù)信道問題來相應(yīng)地調(diào)整模型，使得模型和實際環(huán)境相匹配。得分域方法主要通過各類得分規(guī)整算法來消除因信道所帶來的得分差異。本文前兩章首先介紹說話人識別任務(wù)，特別是文本無關(guān)的說話人確認，然后詳細討論了高斯混合-通用背景模型的基線系統(tǒng)。 本文第三章簡化了聯(lián)合因子分析模型，提出了一種可同時用于特

3、征域和模型域的信道補償算法-本征信道，它簡化了聯(lián)合因子分析模型，大大降低了復(fù)雜度和運算量，使實時應(yīng)用成為可能。特征域算法映射得到的特征可用于所有其他說話人系統(tǒng)，大大增強了算法的通用性和推廣性。在NIST2006說話人評測的核心測試集上，模型域系統(tǒng)的等錯誤率相對于基線系統(tǒng)下降了48.4％，在某些場合可取得和聯(lián)合因子分析系統(tǒng)相近的性能。 針對NIST2008說話人評測核心測試集需要，本文第四章實現(xiàn)了聯(lián)合因子分析模型，并針對其對說話人