说话人识别模型失配下的似然得分补偿变换

• 作者: 包永强 赵力 邹采荣
• 来源期刊: 电路与系统学报
• 学科: 工学
• 关键词: 与文本无关说话人识别 混合高斯模型 似然得分补偿变换
• 年，卷（期）: 2006,（4）
• 所属期刊栏目: 论文
• 页码范围: 51-55
• 页数: 5页
• 分类号: TN912.34
• 字数: 3797字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-0249.2006.04.012

摘要

基于与文本无关说话人识别最常用的模型--高斯混合模型(GMM)的输出帧似然概率的统计特性,提出了一种非线性变换方法--似然得分补偿法.理论分析和实验结果表明:与常用的最大似然(ML)变换相比,该方法可降低误识率达20%.结果还表明:似然得分补偿法基本克服了在与文本无关说话人识别系统中,当说话人的个性特征不断变化、环境对系统识别构成影响从而导致识别模型失配情况下,需要对模型的得分进行补偿的局限.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵力	东南大学无线电工程系	308	3093	27.0	44.0
2	邹采荣	东南大学无线电工程系	153	2088	25.0	40.0
3	包永强	南京工程学院通信系	42	175	9.0	11.0