基于區(qū)分性說話人模型的與文本無關(guān)說話人確認(rèn)研究.pdf

1、說話人確認(rèn)憑借簡(jiǎn)便的設(shè)備與非接觸式交互成為目前廣泛應(yīng)用的生物信息認(rèn)證技術(shù)之一，也是語音識(shí)別領(lǐng)域的一個(gè)非常重要的研究方向，所以，它的研究不僅具有重大的理論意義而且還有非常強(qiáng)的應(yīng)用價(jià)值。
　　 概率統(tǒng)計(jì)模型是說話人確認(rèn)的主流建模技術(shù)，基于該模型的說話人確認(rèn)系統(tǒng)取得了不錯(cuò)的性能，然而，這種模型并不能精確地描述說話人確認(rèn)這類二元分類問題的邊界。近年來，支持向量機(jī)以其強(qiáng)大的區(qū)分性描述能力，使得它比概率統(tǒng)計(jì)模型更好地解決了這類二元分類問題，

2、因而被大量應(yīng)用到說話人確認(rèn)上。本文以支持向量機(jī)結(jié)合其他說話人確認(rèn)技術(shù)作為主要研究?jī)?nèi)容，并將其用于與文本無關(guān)的說話人確認(rèn)。利用因子分析和Ivector構(gòu)建了聯(lián)合說話人確認(rèn)系統(tǒng)，對(duì)聯(lián)合系統(tǒng)的區(qū)分性說話人模型的訓(xùn)練矢量及測(cè)試矢量的選取、信道失配補(bǔ)償策略以及參數(shù)的選擇等關(guān)鍵問題作了詳細(xì)的研究，并對(duì)它們的性能進(jìn)行了比較。
　　 首先，針對(duì)GMM-UBM-SVM系統(tǒng)在復(fù)雜語音環(huán)境下不能對(duì)語音進(jìn)行失配信道補(bǔ)償?shù)膯栴}，我們運(yùn)用因子分析技術(shù)對(duì)語音

3、特征進(jìn)行連續(xù)失配信道補(bǔ)償，使其更凸顯說話人信息，并將其與SVM相結(jié)合，構(gòu)建了FA-SVM說話人確認(rèn)系統(tǒng)，并研究了失配信息子空間的大小對(duì)系統(tǒng)性能的影響，最后通過實(shí)驗(yàn)驗(yàn)證了經(jīng)過失配信道補(bǔ)償后的區(qū)分性說話人確認(rèn)系統(tǒng)性能確實(shí)有了提高。
　　 接著，針對(duì)FA-SVM系統(tǒng)存在的說話人信息損失的問題，本文研究了Ivector特征矢量，并將Ivector特征矢量與SVM相結(jié)合，構(gòu)建了Ivector-SVM說話人確認(rèn)系統(tǒng)，詳細(xì)討論了系統(tǒng)核函數(shù)的選