信道魯棒的文本無關(guān)說話人識(shí)別及應(yīng)用.pdf

1、由于信息安全問題的不斷涌現(xiàn)，在公共安全、金融、商業(yè)等領(lǐng)域，基于生物特征認(rèn)證技術(shù)的產(chǎn)品需求逐漸膨脹。說話人識(shí)別作為唯一適合遠(yuǎn)程認(rèn)證的技術(shù)，逐漸被各個(gè)領(lǐng)域所接受，并開始得到應(yīng)用。但實(shí)用系統(tǒng)中，各式各樣的語音采集設(shè)備與傳輸信道差異，使得訓(xùn)練語音與測試語音之間存在信道失配的情況，導(dǎo)致說話人識(shí)別性能急劇下降。這便是說話人識(shí)別中的跨信道問題，它也是影響說話人識(shí)別性能最重要的因素之一。因此，如何在最大程度上降低跨信道對識(shí)別性能的影響，將是本課題的研究

2、重點(diǎn)。
　　本文從特征域、模型域及得分域這三個(gè)層面，采用一系列行之有效的算法，降低跨信道對說話人識(shí)別的影響，并嘗試將遷移學(xué)習(xí)用于說話人識(shí)別中，并將其與傳統(tǒng)的跨信道算法結(jié)合，以進(jìn)一步提升說話人識(shí)別系統(tǒng)的性能。
　　1.在特征域上，分別驗(yàn)證有無特征彎折對于各系統(tǒng)的性能影響;在模型域上，將有害因子映射(NAP)與支持向量機(jī)(SVM)結(jié)合、潛在因子分析(LFA)與UBM-GMM結(jié)合來降低跨信道測試對識(shí)別的影響;得分域上，采取T-no

3、rm后，進(jìn)一步提高跨信道環(huán)境下的說話人識(shí)別準(zhǔn)確率。
　　2.基于遷移學(xué)習(xí)思想，分別將稀疏表示和無監(jiān)督遷移分量分析用于說話人識(shí)別。稀疏表示利用UBM-GMM構(gòu)建高斯超向量GSV來構(gòu)造完備字典并通過L1范式最小化來求解識(shí)別結(jié)果;無監(jiān)督遷移分量分析解決目標(biāo)域數(shù)據(jù)缺乏而源域數(shù)據(jù)充足情況下的說話人識(shí)別問題，訓(xùn)練使源域與目標(biāo)域差異最小的子空間，在最大程度上降低跨信道因素。將傳統(tǒng)的跨信道算法，如有害因子映射、潛在因子分析，與稀疏表示和無監(jiān)督遷移