基于全局背景模型和輔助模型的說話人確認(rèn)系統(tǒng).pdf

1、說話人識別一直都是國內(nèi)外的一個重要的研究課題。本文從研究說話人識別的一些基本理論入手,研究了幾種常用的說話人確認(rèn)算法和背景模型并進行了仿真與比較,重點研究了基于GMM模型以及全局背景模型的與文本無關(guān)的說話人確認(rèn)系統(tǒng)。本文的主要研究工作如下:
　　 1.傳統(tǒng)的基于概率模型的說話人確認(rèn)系統(tǒng)都要為說話人設(shè)置一個背景模型,背景模型的好壞有時候與特征參數(shù)選擇的好壞一樣能對識別率起到至關(guān)重要的作用。本文先對兩種常用的背景模型即全局背景模型(

2、Universal Background Model,UBM)和競爭者模型(Cohort Model)進行了闡述,并分別對其進行了說話人確認(rèn)的仿真實驗。結(jié)果表明全局背景模型的識別率達(dá)到94％左右,而競爭者模型的識別率則比較低只稍高于80％,不能單獨用于實際應(yīng)用。
　　 2.廣泛查閱了研究者們提出的全局背景模型和競爭者模型的研究結(jié)果后,發(fā)現(xiàn)研究者們已經(jīng)指出兩種模型代表了特征空間的不同區(qū)域。UBM代表與真實說話人無關(guān)的特征分布,即所

3、有說話人的共性,易于區(qū)分一般的假冒者；Cohort Model代表與真實說話人特性相近的假冒者的特性,易于區(qū)分與真實說話人特性相近的假冒者。因此我們提出將兩種背景模型經(jīng)行級聯(lián),先用UBM區(qū)分大部分的假冒者,再用Cohort Model區(qū)分與真實說話人特性相近的假冒者,實驗表明新模型能有效的提高說話人確認(rèn)的識別率。在實驗過程中提出疏遠(yuǎn)者模型(C_Cohort Model)在說話人確認(rèn)中的作用。
　　 3.實際環(huán)境中無處不在的噪聲帶