面向短語音的說話人識別研究與實現(xiàn).pdf

1、說話人識別作為生物識別技術(shù)之一，以其特有的安全性、便捷性、唯一性和穩(wěn)定性，在金融商務(wù)、司法刑偵及聲控安防等領(lǐng)域有廣泛的應(yīng)用前景，已逐漸成為重要研究方向。目前，基于PLDA(Probabilistic Linear Discriminant Analysis)模型的說話人識別技術(shù)在NIST(National Institute of Standards and Technology)國際說話人識別評測中表現(xiàn)突出。但是，PLDA模型的訓(xùn)練過

2、程需要大量的時長充分的語音數(shù)據(jù)，且在測試語音時長較短情況下識別性能會急劇下降。進一步，實際應(yīng)用中很難收集到大量的滿足某一特定條件的長語音用于訓(xùn)練PLDA模型參數(shù)，且現(xiàn)實生活中待測語音通常也只有短短幾秒（通稱為“短語音”）。因此，本文將面向短語音提出新的PLDA模型優(yōu)化算法，以提高說話人識別性能。
　　本文工作主要圍繞以下三部分內(nèi)容展開:
　　1、基于NIST說話人識別評測任務(wù)，深入了解NIST2004、2005、2006、2

3、008、2010數(shù)據(jù)庫語音訓(xùn)練條件和測試條件，根據(jù)評測任務(wù)條件需求完成UBM、T矩陣及PLDA的訓(xùn)練數(shù)據(jù)整理工作，以及NIST-SRE2008 short2-short3(female)、NIST-SRE2010 core-core(female)評測數(shù)據(jù)整理工作;
　　2、為有效表征語音時長對語音所含說話人信息的影響，采用語音時長因子調(diào)整標(biāo)準(zhǔn)高斯PLDA模型的協(xié)方差參數(shù)，提出了基于時長約束的Modified-priorPLDA的

4、說話人識別方法，在測試語音為全時長（full）、20s、10s的條件下，Modified-prior PLDA系統(tǒng)的EER值分別降低至至3.7％、6.5％、9.9％。進一步，應(yīng)用QMF(Quality Measure Function)技術(shù)進行分?jǐn)?shù)域校準(zhǔn)，有效地補償了得分偏移。
　　3、針對目標(biāo)域中訓(xùn)練語音時長受限的情況，引入充分時長語料構(gòu)成的數(shù)據(jù)庫（又稱為源域），將源域和目標(biāo)域中說話人因子分布的KL散度作為正則化因子修正PLDA