說話人識別中訓練和測試時編碼失配影響的補償.pdf

1、與文本無關(guān)的說話人識別的研究，由于其實用性，成為當今語音識別領(lǐng)域中的熱門課題，經(jīng)過幾十年的發(fā)展，已經(jīng)取得了巨大進展。盡管在實驗室環(huán)境下，說話人識別系統(tǒng)已經(jīng)取得了比較令人滿意的效果，但在實際使用過程中，由于受各種外界因素的影響，使得系統(tǒng)性能明顯下降。其中影響性能的主要原因之一是訓練和測試語音信號的編碼不匹配問題。尤其是近年來，由于數(shù)字語音通信系統(tǒng)的廣泛應用，說話人識別系統(tǒng)在實際環(huán)境中所能獲得的訓練語音和測試語音的編碼往往不同，這時的說話人

2、識別就面臨著由于訓練和測試語音編碼不同而產(chǎn)生的不匹配問題，這將對系統(tǒng)的性能產(chǎn)生很大的影響。解決編碼不匹配問題是提高說話人識別性能，增強系統(tǒng)實用化程度的關(guān)鍵之一。
　　本文主要研究有效克服編碼失配對說話人識別系統(tǒng)性能影響的補償方法，以提高編碼失配下的系統(tǒng)性能，主要從模型域和得分域進行補償。在基于混合高斯模型-通用背景模型的說話人識別系統(tǒng)上，對碼速率在64kb/s~5.15kb/s之間的語音編碼進行實驗，分析編碼算法、編碼速率及編碼失

3、配對說話人識別系統(tǒng)性能的影響；針對編碼失配使說話人識別系統(tǒng)性能下降的問題，采用說話人模型合成和幀似然概率變換兩種方法進行補償。說話人模型合成方法是一種基于預測的模型補償方法，它通過特定編碼的通用背景模型，學習不同編碼模型的參數(shù)變換關(guān)系，調(diào)整訓練語音模型參數(shù)來匹配測試語音編碼；在應用了模型合成方法的系統(tǒng)中，引入幀似然概率變換方法，通過幀似然概率變換，增大測試語音在目標模型與非目標模型上的得分差距，從而提高系統(tǒng)識別率。實驗表明，說話人模型合