基于分类高斯混合模型和神经网络融合的与文本无关的说话人识别

• 作者: 戴蓓蒨 李辉 黄伟
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 说话人识别 与文本无关 分类高斯混合模型 噪声鲁棒性 神经网络融合
• 年，卷（期）: 2003,（4）
• 所属期刊栏目: 论文与报告
• 页码范围: 423-428
• 页数: 6页
• 分类号: TN912.34
• 字数: 4494字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2003.04.008

摘要

本文提出了一种基于分类高斯混合模型和神经网络融合的说话人识别系统,根据能量阈值将每个话者语音的语音帧分为两类,在分类子空间分别为每个话者建立两个分类话者模型(GMM),并为每个话者建立一个用于对这两类模型进行数据融合的神经网络,话者识别的结果是经对各个话者神经网络的输出进行判决后做出的.在100个男性话者的与文本无关的说话人识别实验中,基于分类话者模型的策略在识别性能和噪声鲁棒性上均优于传统的GMM话者识别系统,而采用神经网络进行后端融合的策略又优于直接融合的策略,从而可以用较低的话者模型混合度和较短的测试语音获得较好的识别性能及噪声鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李辉	中国科学技术大学电子科学与技术系	214	1637	20.0	32.0
2	戴蓓蒨	中国科学技术大学电子科学与技术系	35	247	9.0	13.0
3	黄伟	中国科学技术大学电子科学与技术系	84	724	15.0	23.0