不匹配信道下耳語音說話人識別研究.pdf

1、耳語音作為人類的一種輔助發(fā)音方式，在日常生活中起著較為廣泛的作用，尤其是在金融領(lǐng)域，公安司法領(lǐng)域中各種身份的確認。說話者為了保證信息的私密性，常常會用到耳語音。
　　 正因如此，耳語音說話人識別也作為一個新的課題被提出來。耳語音主要是用在手機通話中，語音必然會受到信道畸變的影響。傳統(tǒng)的識別模型遇到訓練和測試的信道環(huán)境差異變大時，識別率就會大大受到影響。因此，必然需要一種穩(wěn)健的信道補償算法來增強這個說話人識別系統(tǒng)。為了解決這個問題

2、，本文做了以下幾個方面的工作：
　　 一、將各種信道的耳語音數(shù)據(jù)混合在一起訓練通用背景模型(UBM)，然后在此基礎(chǔ)上進行最大后驗概率(MAP)自適應(yīng)獲得說話人模型，將此模型和常規(guī)的GMM模型進行識別率的比較。實驗證明，UBM模型優(yōu)于普通的GMM。
　　 二、將聯(lián)合因子分析(JFA)應(yīng)用到耳語識別中，根據(jù)耳語數(shù)據(jù)庫的特性，采取分開估計和省略殘差空間的方法。具體在識別過程中，通過將訓練所得的說話人因子和測試所得的信道因子相結(jié)

3、合的方式，達到說話人不斷適應(yīng)測試信道環(huán)境的目的。實驗結(jié)果顯示修改后JFA的識別效果大大提升。另外，根據(jù)JFA在短時識別方面效果不理想，提出了一種在模型上保持說話人因子不變，而將信道因子用到特征方面，對每一幀特征矢量進行補償?shù)幕旌涎a償法，該方法相對于JFA來說補償?shù)母鼮榧氈?，實驗顯示HH信道訓練時1s和2s平均識別率分別提高4.36％和3.89％，EP信道訓練時1s和2s平均識別率分別提高4.14％和2.64％。
　　 三、根據(jù)支